16 20 37 19C3-C5-Informatica PDF

Conf. Dr.
Marin Vlada, Universitatea din Bucureti, 2012
Elemente de teoria erorilor si incertitudinilor

Calcule statistice si modele de aproximare
S msurm ce se poate msura i s facem msurabil ceea ce nu se poate msura nc. Galileo
Galilei
1. Introducere n teoria erorilor: erori de msurare si reprezentare, distribuia

erorilor, parametri caracteristici, propagarea erorilor
2. Calcule statistice: indicatori statistici, corelaii ntre seturi de msurtori, modele
de corelaie empirice i teoretice
Generalitati despre erori, incertitudini si aproximari
In sens larg cuvantul eroare inseamna greseala, incertitudine, nesiguranta, etc. Prin
greseala intelegem un fapt realizat de om in activitatea profesionala, sociala, economica,
etc. privind un rationament gresit, o metoda aplicata gresit, un instrument utilizat gresit, o
atitudine ce contrazice regulile morale, sociale sau legistative, neintelegeri ale unor
notiuni, termeni sau concepte din limbajul stiintific, economic, social, etc. Prin
incertitudine se intelege lipsa de certitudine, indoiala asupra unor rationamente, calcule,
sau experimente, iar in domeniul social poate reprezenta starea unei persoane lipsite de
siguranta, de hotarare. In doate domeniile exista incertitudini, de exemplu in domeniul
stiintific s-au dezvoltat diverse teorii care controleaza incertitudinile:
logica matematica bivalenta (cu 2 valori: true, false; logica propozitiilor, logica
predicatelor, logica relatiilor) ofera metode si tehnici certe (logica matematica are
aplicatii in electrotehnica-studiul schemelor cu relee, al schemelor electronice-, in
cibernetica-teoria automatelor, tehnica programarii-, in neurofiziologie-modelarea
sistemelor neuronale-, lingvistica - lingvistica matematica, etc.); sistemele de
calcul folosesc limbajul binar pentru procesarea informatiilor; pentru rezolvarea
diverselor probleme complexe a fost necesara conceperea unor teorii de logica
matematica trivalente si cu mai multe valori (primele sisteme de logica
polivalenta au fost construite de J. Lukasiewicz (1920), E. Post (1921) si de
Grigore C. Moisil (1963)); n limbajul de manipulare a datelor SQL (Structured
Query Language), o stare de adevr TRUE pentru o expresie (de exemplu ntr-o
clauz WHERE) iniializeaz o aciune pe un rnd (returneaz un rnd), n timp ce
o stare de adevr UNKNOWN sau FALSE nu face acest lucru. n acest fel, logica
trivalent este implementat n SQL, i se comport ca logic bivalent pentru
utilizatorul SQL; limbajul Prolog (programare in logica), limbaj al Inteligentei
artificiale este conceput si elaborat avand la baza logica de ordinul I
(cuantificatorii oricare( ) si exista ( ) opereaza doar asupra variabilelor).
teoria logicii si multimilor fuzzy (suport pentru studiul incertitudinii si
impreciziei; aplicatii in analiza fenomenelor si proceselor, fiabilitatea sistemelor,
uzura produselor, gradul de utilizare a produselor sau masinilor, procesarea
imaginilor, etc.). Incompletitudinea unei informaii/date se exprim pe dou scri:
scara incertitudinii se refer la ncrederea care i se acord informaiei (dac sursa
de informaie, instrumentul de msur sau expertul sunt siguri, demni de
ncredere, informaia este cert), scara impreciziei se refer la coninutul
1
Conf. Dr. Marin Vlada, Universitatea din Bucureti, 2012
informaional (informaia este precis dac mulimea valorilor specificate n

enunul corespunztor este o valoare unic). Exist fenomene si procese n care
gradualitatea i ambiguitatea joac un rol important (imprecizie nu este de tip
aleator). Problema inseamna faptul de a putea aprecia n ce msur un obiect dat
aparine unei clase ale crei margini nu pot fi precizate clar. Clasa de obiecte are
grade de apartenen continue. O astfel de mulime este caracterizat de o funcie
de apartenen ce atribuie fiecrui obiect un grad de apartenen ntre 0 i 1.
Sunt cunoscute exemple de oameni de stiinta din matematica, fizica, chimie, etc. ce au
facut greseli in cercetarile/teoriile lor (exista cazuri cand s-au facut descoperiri stiintifice
in mod intamplator, de ex. razele X, Penicilina, Viagra, etc.):
exemple relevante pentru matematica sunt prezentate in Alexandru Froda (1894-
1973), Eroare i paradox n matematic, Editura Enciclopedic Romn, 1971.
sute de lucrari stiintifice sunt retrase in fiecare an, din cauza documentarilor
superficiale, plagiatului sau analizelor gresite; de exemplu: Apendicita se
trateaz cu antibiotice. The Journal of Gastrointestinal Surgery a publicat n
2009 un studiu al unor cercettori indieni care susineau c antibioticele sunt o
metod mai sigur dect ndeprtarea chirurgical a apendicelui. Ei au fost
contestai de chirurgi italieni, iar studiul a fost retras din publica ie pe motiv de
plagiat. (Sursa: LiveScience);
inventii atribuite gresit - Conceptul de computer desktop-"oficial": Microsoft
(prin Windows), real: Xerox PARC; Razele X- Inventator "oficial": Thomas
Edison, real: Wilhelm Rontgen; Becul- Inventator "oficial": Thomas Edison, real:
Sir Humphry Davy; Radioul- Inventator "oficial": Guglielmo Marconi, real:
Nikola Tesla (Sursa: http://www.descopera.ro/)
Analiza datelor experimentale: Tipuri de erori
In Chimie si Fizica (precum si in alte stiinte ingineresti), metodele folosite la masurarea

parametrilor (marimi fizice sau chimice) sunt n general precise. Totusi, n timpul
masuratorilor pot interveni diferiti factori perturbatori care genereaza aparitia erorilor de
masurare. Pentru determinarea marimilor fizice sau chimice se folosesc instrumente de
masura, care au o anumita precizie. Nici o masuratoare nu este absoluta. Masurnd de
mai multe ori aceeasi marime fizica, n aceleasi conditii, cu aceleasi mijloace, se poate
observa ca rezultatele obtinute sunt diferite. Diferentele ce apar depind de constructia
instrumentelor de masura, de observator, sau de alti factori perturbatori. Acuratetea unui
experiment arata ct de aproape este rezultatul masuratorii de valoarea adevarata. Prin
urmare, acuratetea este o masura a corectitudinii rezultatelor obtinute prin masurare si
prin calcul. Precizia unui experiment este o masura a exactitatii determinarii rezultatelor.
Procedurile de observare statistica in analiza fenomenelor si proceselor pot fi afectate de

erori. Prelucrarea statistica a datelor experimentale prin calculele matematice ce urmeaza
a fi efectuate cu datele respective, contribuie cu o anumita cantitate de erori. De aceea,
specialistii stiu ca att erorile de observare statistica ct si cele de calcul, vor afecta
rezultatele obtinute din prelucrarea si interpretarea datelor experimentale. De aceea, ne
2
propunem sa examinam n acest capitol att sursele de erori ct si modul n care acestea
influenteaza rezultatele finale.
TIPURI DE ERORI
ERORI EXPERIMENTALE ERORI DE CALCUL NUMERIC
ERORI GROSOLANE ERORI INERENTE

ERORI SISTEMATICE ERORI DE METODA
ERORI ALEATOARE ERORI DE ROTUNJIRE
Figura 14. Tipuri de erori

Erorile se clasifica in doua mari categorii:
1. erori experimentale efectuarea masuratorilor pot produce erori care au aceeasi
marime, cnd procesul de masurare se efectueaza n conditii identice, sau erori
care au marimi variabile, variatia acestora fiind supusa unei anumite legi de
variatie; erorile de masurare se clasifica n:
- erori grosolane (greseli): pot proveni din aplicarea unor metode de calcul
inexacte, din citiri eronate, din neatentia sau lipsa de instruire a personalului;
aceste erori trebuie eliminate si refacute masuratorile;
- erori sistematice: pot proveni din cauza unor caracteristici constructive ale
aparatelor, incorectei etalonari sau uzurii; pot fi erori produse de metoda de
masurare sau erori produse de factori externi (erori de influenta), deosebit de greu
de evaluat prin calcule, deoarece nu ntotdeauna pot fi cunoscute cauzele si legile
de variatie n timp a conditiilor de mediu (temperatura, presiunea, umiditatea,
cmpuri magnetice, radiatii, etc.) ;
- erori aleatoare (accidentale, ntmplatoare): pot proveni ca urmare diversitatii
proceselor si fenomenelor precum si a interactiunilor experimentului cu alte
procese si fenomene ce se desfasoara simultan; nu este posibila depistarea si
nlaturarea lor, efectul global fiind producerea unor erori aleatorii inevitabile ce
nu pot fi nlaturate din rezultatele masuratorilor;
2. erori de calcul numeric - interpretarea matematica a datelor reprezinta totalitatea
operatiilor matematice ce trebuie efectuate pentru obtinerea unui anumit rezultat,
n vederea caruia au fost efectuate masurarile respective. n timpul efectuarii
acestor calcule, pot interveni anumite erori ce se vor adauga la erorile
experimentale, si astfel valoarea masurata sa se abata si mai mult fata de
marimea adevarata; se disting urmatoarele categorii de erori de calcul:
3
- erori inerente: pot proveni ca urmare a folosirii aproximative a unor valori

provenite din masuratori, a utilizarii in calcule a numerelelor irationale (, e, 2 )
sau ca urmare a calculelor aproximative (serii numerice) oferite de calculatoarele
numerice; trebuie specificat faptul ca multe valori ale unor functii obisnuite (sin,
cos, lg, etc.) sunt obtinute prin calculul aproximativ al valorii unor serii numerice;
- erori de metoda: analiza si interpretarea datelor experimentale depind de
experienta specialistilor care efectueaza prelucrarea datelor experimentale;
matematica si in special analiza numerica ofera o multitudine de metode si tehnici
de rezolvare a problemelor in acest caz; unele din aceste metode sunt mai
eficiente sau nu pentru un anumit caz, de aceea, alegerea metodei este foarte
importanta pentru rezultatul final care se doreste a fi obtinut cu o anumita eroare
de aproximare; de remarcat este faptul ca determinarea solutiilor se realizeaza
prin procese iterative, numarul de iteratii determinand eroarea de aproximare;
- erori de rotunjire: aceste erori sunt inevitabile deoarece depind de
posibilitatile limitate de reprezentare a numerelor n memoria calculatoarele
numerice; orice calculator, indiferent cat de performant este construit, poate
reprezenta numerele cu un numar redus de cifre semnificative, depinznd de
lungimea cuvntului de memorie (numarul de biti: 32 sau 46) utilizat la stocarea
unui numar; calculatoarele actuale ofera calcule pentru numerele reale cu maxim
7 cifre semnificative n simpla precizie, si cu maxim 15 cifre semnificative n
dubla precizie.
Termeni si concepte despre erori
Eroarea reala este definita ca diferenta dintre valoarea reala (corecta) a unei
marimi y si valoarea masurata (aproximativa) y ' a marimii, adica y y y ' .
In cazul in care y ' < y, marimea respectiva este aproximata prin lipsa, altfel
aproximatia este prin exces sau adaos.
Eroarea absoluta - uneori nu se cunoaste semnul erorii y y y ' , de aceea se
foloseste notiunea de eroare absoluta care este definita prin relatia y | y y ' | .
Eroarea relativa se defineste ca raportul dintre eroarea absoluta si valoarea
absoluta a marimii exacte, adica
Eroarea relativa se poate exprima si n procente, adica
.
Eroarea absoluta limita in cazul in care valoarea marimii y nu este cunoscuta,
se introduce notiunea de eroare absoluta limita y corespunzatoare valorii
aproximative y ' ; valoarea acestei erori reprezinta cel mai mic numar pozitiv care
4
contine una sau mai multe cifre semnificative, ales n asa fel, nct sa putem fi
siguri ca eroarea absoluta comisa, n cazul respectiv, nu depaseste acest
numar; prin urmare avem urmatoarea relatie
y | y y ' | y , adica y ' y y y ' y ,
ceea ce inseamna ca valoarea y este aproximata prin lipsa, respectiv adoaos.
Incertitudine de masurare ( ) reprezinta intervalul n care se estimeaza, cu o
anumita probabilitate, ca se afla valoarea adevarata a marimii y;
Eroarea conventionala - n realitate valoarea adevarata a unei marimi nu poate fi
cunoscuta, de aceea este necesar sa se adopte o valoare de referinta, care are un
caracter conventional. Se defineste astfel eroarea conventionala ca diferenta dintre
valoarea masurata si valoarea de referinta y conv admisa adica y conv y conv y ' .
O y' y y conv
Figura 15. Erori de masurare
Erori de trunchiere si erori de rotunjire
Metodele numerice oferite de analiza matematica impreuna cu implementarea

algoritmilor eficienti din domeniul informaticii sunt utilizate cu succes la multe probleme
complexe din toate domeniile stiintifice, tehnice, economice, etc. Cu toate acestea,
trebuie sa se cunoasca corect gradul de precizie privind obtinerea solutiilor in aceste
rezolvari de probleme. Am vazut mai sus ca varietatea si combinarea diverselor erori (de
masurare, de calcul, de aproximare, de rotunjire, etc.) pot sa conduca la rezultate ce nu
raspund exigentelor practice. Acest lucru este si mai complicat cand in diverse situatii (la
fizica, chimie, etc.) trebuie sa se realizeze calcule cu valori foarte mari, dar si cu
zecimale foarte multe care depasesc performanta calculatoarelor actuale (de exemplu
aritmetica modala).
Calculele matematice si operatiile implementate in algoritmii de calcul pentru

calculatoarele numerice utilizeaza aproximarea cu serii numerice si dezvoltarea functiilor
analitice prin descompunere de tip Taylor si de tip Mac-Laurin. Dezvoltarile in serii
numerice se utilizeaza la obtinerea rezultatelor cu mai multe zecimale exacte, si anume se
tine seama de precizia dorita 10-p , unde p reprezinta numarul de zecimale exacte. De
exemplu, pentru calculul valorii ln2 cu p=2 zecimale exacte, folosind dezvoltarea in serie
alternanta,

1
ln 2 ( 1 ) i 1
i 1 i
5
trebuie sa se calculze suma seriei pana la n=99 (trunchiere de rang 99). In practica, exista
alte reprezentari care sunt mai eficiente decat cazul n=99, si anume trunchierea se
realizeaza la un rang mai mic. Ex.: Calculul valorii sin(2) cu eroarea 10-7 este 0.909297.
Folosind programul Excel se obtine valoarea 0.909297427, cu 9 zecimale exacte si
valoarea 0.909297426825682, cu 15 zecimale exacte.
Programul EXCEL ofera pentru calcule si reprezentarea valorilor reale urmatoarele formate:
Number decimal places, de exemplu 345.67845634322 cu p=11 zecimale
exacte;
Scientific forma exponentiala xE nm , unde nm reprezinta exponentul lui 10,
adica x10 nm , de exemplu 3.45678456343E+02;
Fraction forma fractionala de diverse tipuri, de exemplu 345 211/311 .
Figura 16. Fereastra Format Cells
O functie reala f : I R derivabila de o infinitate de ori in x0 I R este analitica in

punctul x0 daca exista relatia

f (i) (x0)
f (x) f (x0) (xx0)i ,
i1 i!
pentru x ( x0 , x0 ) I , unde 0 este un numar real dat.
Orice functie analitica se descompune in polinomul Taylor de ordinul n si in restul seriei
Taylor de ordinul n, adica f ( x) Tn ( x) Rn ( x) , unde
n
f (i) (x0)
Tn(x) f (x0) (xx0)i , si restul de la rangul (n+1)
i1 i!
6

f (i) (x0)
Rn(x) (xx0)i .
in1 i!
Restul seriei Taylor de ordinul n se poate reprezenta sub forma Lagrange, adica
f n1 ( )
Rn ( x) ( x x0 ) n1 , unde ( x0 , x) sau ( x , x0 ) .
(n 1)!
Functiile elementare (sin, cos, ln, etc.) sunt functii reale analitice ce au proprietatea ca
restul seriei lui Taylor tinde la 0. Mai jos sunt exemple de dezvoltari de tip Mac-Laurin
pentru x0 0 .
Reprezentarea in virgula mobila a numerelor reale
Calculatoarele actuale utilizeaza reprezentarea in virgula mobila a numerelor reale. Daca

b este o baza de numeratie (se presupune numar par) si p este o precizie (numar de cifre
semnificative), atunci reprezentarea unui numar real in virgula mobila are urmatoarea
forma:
p 1
ck E
(c0 k
)b , cu cifrele semnificative c k 0 ,1, ..., b 1, k 0 ,1, ..., p 1 , E
k 1 b
fiind exponentul marginit E min E E max .
Tabelul de mai jos exemplifica cei patru parametri (baza, precizia, valorile limita ale
exponentului) ce caracterizeaza reprezentarea n virgula mobila n diverse sisteme(IEEE-
Institute of Electrical and Electronics Engineers):
Sistem reprezentare Baza b Precizia pE min E max

IEEE single-precission 2 24 -126 127
IEEE double-precission 2 53 -1022 1023
Cray 2 48 -16383 16384
Calculator HP 10 12 -499 499
Mainframe IBM 16 6 -64 63
Tabelul 1. (Ref.: http://www.utgjiu.ro/math/mbuneci/book/mn2007/c04.pdf)
7
Reprezentarea in virgula mobila in forma normalizata este reprezentarea unui numar y

sub forma
y f b E , b 1 f 1 , unde f reprezinta mantisa, iar E exponentul.
Reprezentarea normalizata a numerelor reale are urmatoarele avantaje:

reprezentarea fiecarui numar este unica;
nu se pierd cifre pentru reprezentarea primele zerourilor de la dreapta virgulei;
n sistemul binar (baza b =2) prima cifra poate sa nu mai fie stocata (deoarece este
ntotdeauna 1).
Un numar real cu mai multe cifre semnificative este rotunjit la numarul de cifre maxim. Acest
lucru se realizeaza prin rotunjirea mantisei. Alte rotunjiri se efectueaza n decursul operatiilor.
Aproximarea unui numar real cu cele doua forme de reprezentare se numeste tehnica de
rotunjire ce introduce eroarea de rotunjire. Exista mai multe modalitati de rotunjire:
trunchiere (rotunjire prin taiere) se retin primele p cifre din reprezentarea

normalizata;
rotunjire la cel mai apropiat in virgula mobila (rotunjire la par) forma in
virgula mobila este cel mai apropiat numar de numarul aproximat.
Rotunjirea la par determina o acuratete mai mare a reprezentarii. Acuratetea sistemului

n virgula mobila este caracterizata de asa-numita precizie a masinii mach . Daca regula
de rotunjire este trunchierea, atunci mach b 1 p
, iar daca regula de rotunjire este
1 1 p
rotunjirea la par atunci mach b .
2
Cazuri speciale: conceperea de metode si algoritmi noi
Exemplul 1: Puterile mari ale lui 2.
Exista cazuri in (in chimie, fizica, etc.) in care trebuie sa se lucreze in calcule cu numere
foarte mari. In acest caz, trebuie sa se cunoasca foarte bine limitele oferite de calculatoare
privind reprezentarea numerelor si modul de calcul pentru toate operatiile. Pe langa
teoriie (aritmetica modala) ce se ocupa de aceste aspecte, exista diverse implementari de
algoritmi pentru astfel de situatii. Un alt exemplu este lucrul cu tablouri foarte mari de
date (tablouri de tip masive). In acest caz este vorba de matricele rare. Matricele rare i
gsesc aplicabilitatea n modelarea unor procese biologice, neoronale, de natur
industrial, economic, tehnic, social, etc.
a) Utilizarea programului Excel. (Puterile 2k, k > 30). Pentru k > 30 s se determine
numrul cifrelor i cifrele puterii 2 k (de exemplu, s se verifice ca 2100 are 31 de cifre i
2100 = 1267650600228229401496703205376 , iar 2 1000 are 302 cifre).
8
Evident, problema ar fi simpla (fr sens) dac s-ar rezolva printr-o singur instruciune
scrisa intr-un limbaj de programare. Acest lucru se poate realiza doar dac ar exista
restricia k < 31. innd seama de reprezentarea tipului integer n memoria intern a
calculatorului, astazi microprocesoarele i limbajele de programare pot stoca/reprezenta
o valoare ntreag doar pe 4 bytes (32 bii). Prin urmare 231-1 = 2147483647 este cea
mai mare valoare ntreag pe care o poate stoca. Este necesar s concepem un algoritm
pentru calculul puterilor 2k, k>30. Vom lua in consideratie urmtorul tabel (generat
printr-un simplu program, sau folosind facilitile unor programe de calcul, de exemplu
programul Excel inclus n pachetul Microsoft Office, vers. 2003-2007 ; vers. 2010 ofera
precizie mai mare) :
K 1 2 3 4 5 6 7 8 9 10 11 12 13 14
k
2 2 4 8 16 32 64 128 256 512 1024 2048 4096 8192 16384
Folosind programul Excel (ce ofer funcia Power i operaia de putere ^ ) se poate
constata c 236= 68719476736 (dac se utilizeaz pentru celule formatul General) este
puterea maxim ce se poate calcula, i 249= 562949953421312 (dac se utilizeaz pentru
celule formatul Number cu 0 zecimale) este puterea maxim ce se poate calcula.
K= 1 2 K = 28 268435456
2 4 29 536870912
3 8 30 1073741824
4 16 31 2147483648
5 32 32 4294967296
6 64 33 8589934592
7 128 34 17179869184
8 256 35 34359738368
9 512 36 68719476736
10 1024 37 EROARE 1.37439E+11
11 2048 38 2.74878E+11
12 4096 39 5.49756E+11
13 8192 40 1.09951E+12
14 16384
15 32768
16 65536
Corect
17 131072
49 562949953421312
18 262144
50 1125899906842620
19 524288
51 2251799813685250
20 1048576
52 4503599627370500
21 2097152
53 9007199254740990
22 4194304
54 18014398509482000
23 8388608
55 36028797018964000
24 16777216
56 72057594037927900
25 33554432
57 144115188075856000
26 67108864
58 288230376151712000
27 134217728
Rezultate eronate !
9
268435456
536870912
1073741824
De la k=50 rezultatele sunt eronate (versiunea Excel 2010 ofera precizie mai mare in
acest caz), si anume se poate observa ca ultimele cifre din dreapta sunt eronate: ptr.
k=50, prima cifra din dreapta, ptr. k=51, ultimele 2 cifre, s.a.m.d.
Rezultate corecte calculate cu Web 2.0 scientific calculator (http://web2.0calc.com/):
250= 1125899906842624 si 251 = 2251799813685248.
b) Utilizarea Web 2.0 scientific calculator:
Astazi, nu este nevoie sa se apeleze frecvent la algoritmi de calcul care sa utilizeze un

limbaj de programare (C++, Java, Visual Basic, etc.), deoarece pana in prezent s-a
dezvoltat foarte mult piata sistemelor de programe specializate ce ofera programe
eficiente si comode pentru a fi utilizate de elevi, studenti, specialisti. De altfel,
dezvoltarea tehnologiilor Web si a sistemului Internet, a facut posibila aparitia unui
numar foarte mare de astfel de programe specializate.Un astfel de program este oferit de
site-ul http://web2.0calc.com/ ce ofera un Web 2.0 Scientific Calculator.
Rezultate obtinute prin utilizarea acestui program:
2100=1267650600228229401496703205376
2300=2037035976334486086268445688409378161051468393665936250636140449354
381299763336706183397376
Figura 17. http://web2.0calc.com/

Observatie: programul lucreaza cu 14 zecimale exacte!
10
= 3.14159265358979, e = 2.71828182845905 (reprezentare cu 14 zecimale exacte)
Se poate utiliza la obtinerea diverselor calcule matematice si ingineresti (cu utilizarea

unitatilor de masura: Units), rezolvarea de ecuatii (Solve), operatii cu matrice (Matrix),
reprezentarea grafica a functiilor (Plot), etc.,
Exemplul 2: Reprezentarea grafica a functiilor
In functie de metoda utilizate, de programul specializat si functie de complexitatea unei

functii pot aparea erori frecvente in astfel de situatii. Aceste erori pot aparea in primul
rand din cauza neintelegerii notiunilor matematice despre functii sau ca urmare a unei
slabe experiente in acest tip de probleme. Vom exemplifica printr-un simplu exemplu.
Sa presupunem ca trebuie sa se reprezinte grafic functia f(x) = x*sin (x), unde x apartine
intervalului [-50,50]. Evident functia este o compunere de functii, o dreapta si o
sinusoida. Metoda matematica invatata de elevi la liceu nu este chiar comoda in acest caz.
Nici nu se recomanda se se utilizeze procedura rezultata din metoda matematica. Nici
studentul de anul I nu se gandeste mai inainte la metoda matematica. Stie si intuieste ca
sunt foarte multe programe care ofera posibilitatea reprezentarii grafice a functiilor.
Probleme este aceea a alegerii unui astfel de program tinand seama de licenta de utilizare
si functiile acelui produs software. Majoritatea programelor stiintifice (2D si 3D) ofera
aceasta posibilitate.
a) cazul programului Excel
Pentru testarea modului de a utiliza programul Excel in cazul reprezentarii grafice a
functiilor, condideram exemplu doar pentru funtia g(x)=sin(x) pe intervalul [-50,50]. La
activitatile practice de Laborator am avut posibilitatea in ultimii ani sa realizez un sondaj
in acest caz. S-a dovedit faptul ca din 20 de studenti, au fost cazuri cand nici un student
nu a obtinut rezultatul corect, dar au fost cazuri cand doar unul sau doi au obtinut
rezultatul corect. Acest lucru dovedeste ca intelegerea notiunilor, conceptelor si relatiilor
intre diversi termeni lasa de dorit la multi studenti din anul I.
Probabil cauzele sunt in invatamantul general si mediu cu multa teorie si cunostinte
multiple, fara activitati demonstrative si practice care sa determine obtinerea unor
competente utile, importante
si oportune. Tot pentru un 1.50000
test sa considaram ca graficul 1.00000

trebuie obtinut pe intervalul
[0,30]. Primul lucru care se 0.50000
realizeaza rapid si fara sa se
intuiasca eroarea, se 0.00000 S e rie s 1
genereaza valorile naturale 1, 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
2, 3, ... , 30 pentru -0 . 5 0 0 0 0
argumentul x. Evident ca va
rezulta graficul unei linii -1 . 0 0 0 0 0
poligonale si nu graficul real -1 . 5 0 0 0 0

al functiei sin(x).
11
Eroarea provine de la faptul ca trebuie sa se realizeze discretizarea intervalului

(tabelarea functie cu un pas cat mai mic p= 10-1 , 10-2 , etc. ce are legatura cu functia
studiata; trebuie sa cuprinda convexitatile si cancavitatile graficului). In cazul functiei
sin(x) este suficienta discretizarea cu pasul p= 10 -1, dar tabelarea va produce 10x50 = 500
puncte pe axa pozitiva si tot atatea pe axa negativa. Acum, daca se tine seama ca mai
inainte, trebuie sa se genereze tabelarea functiei, se poate trece la realizarea graficului
f(x) = x*sin (x), pe intervalul [-50,50]. Va rezulta graficul corect ce este mai fidel si mai
realist.
Tabelarea functiei vs. Discretizare-Calculul integral vs. Rezolutia suportului grafic
Sistemul de diviziuni (proces de discretizare) din calculul integral este analog rezoluiei
(matricea de pixeli; un pixel este unitatea grafic indivizibil a unui display grafic) oferite
de un display grafic (CRT sau LCD). Aceast structur de pixeli reprezint n
informatic, ceea ce reprezint calculul integral n analiza matematic (Newton,
Riemann, Darboux, Leibniz etc.). Cu cat rezolutia este mai mare cu atat reprezentarea
este de buna calitate. Mai jos este rezolutia oferita de un ecran grafic.
Display Properties Screen Resolution: Less-800 x 600 pixels, More-1680x1050 pixels.
Odat cu apariia display-ului grafic (Graphic Display), n anul 1953, s-a trecut la o
nou etap n dezvoltarea i rspndirea calculatorului. Utilizarea bit-ului prin
organizarea eficient a memoriei calculatorului, nu oferea nici hardware, nici software
posibilitatea de modelare spaial a ieirilor (OUTPUT). Reprezentrile grafice folosind
caractere (numerice sau alfanumerice) nu era o soluie care s realizeze o reprezentare
fidel a obiectelor reale. Suportul hardware fiind inventat, n perioada 1960-1980 au fost
nevoie de cercetri i experimente, modele, algoritmi si programe care s foloseac
12
aprinderea unui pixel (unitatea grafic indivizibil oferit de un display grafic) ce

oferea i culoare, dar mai ales o structur de reprezentare grafic. Atunci s-a nscut
Grafica pe calculator: trasarea unui segment de dreapt (algoritmul Bresenham), trasarea
cercului i elipsei, trasarea i aproximarea curbelor, algoritmi de clipping (decupare)
(algoritmul Cohen Sutherland, algoritmul Suitherland-Hodgman, algoritmul Weiler-
Atherton), tehnici de vizualizare 2D i 3D, modele de iluminare i reflexie, modele de tip
rastru, modele vectoriale, tehnici de textur. Astfel, s-au pus bazele pentru soluii
integrate software i hardware pentru proiectare, analiz i producie asistat de calculator
(CAD/CAM/CAE) - Computer Aided Design.
Dup anul 1990, s-au obinut rezultate deosebite n domeniul modelrii i simulrii
obiectelor din lumea real, att prin elaborarea de tehnici i algoritmi specifici, ct prin
apariia produselor software care s sprijine acest domeniu. Astfel, Realitatea Virtual
(Virtual Reality) este un nou domeniu al Informaticii ce are un impact deosebit n
utilizarea calculatorului pe scar larg i pentru o mare diversitate de teme.
b) cazul programului Web 2.0 scientific calculator

Se introduce comanda: plot(x*sin(x),x=-50..50) si se obtine imediat graficul corect.
Figura 18. Graficul folosind Web 2.0 scientific calculator

Exemplul 3: Problema lui Gauss. Un vas conine 2000 litri dintr-un lichid cu o
concetraie de 80 % alcool. n fiecare zi se scot din vas 15 litri i se nlocuiesc cu ali
13
12 litri dintr-un lichid a crui concentraie n alcool este de numai 40 %. Dup cte
zile concentraia lichidului din vas ajunge la 50 % ?
In cele ce urmeaza vom aborda 3 variante de rezolvari pentru aceasta problema pentru a
evidentia atat evolutia metodelor si tehnicilor de rezolvare (teorii si metode numerice),
cat si obstacole in utilizarea diverselor metode (de exemplu, problema propagarii
erorilor in calcule) :
1. Modelarea matematica-metoda matematica modelarea matematica va
reprezenta o ecuatie funtionala ce se poate aborda ca o ecuatie cu diferente finit
de orinul I neomogena;
2. Algoritm de calcul-program intr-un limbaj de programare conceperea
procesului de calcul ce realizeaza un proces iterativ al operatiilor pentru
rezolvarea problemei;
3. Rezolvare cu programul EXCEL se vor utiliza faciltatile programului Excel si
forma algoritmica oferita de metoda algorimica.
Modelarea matematica si Metoda algoritmica.
Problema este prezentat n [1], enunul ei , aparent este al unei probleme simple, dar
interesant din punctul de vedere a rezolvrii ei, deoarece problema a fost menionat la
vremea respectiv chiar de GAUSS. n [2] apare rezolvarea problemei cu calculatorul.
Rezolvarea problemei nu este evident, dup cum se va vedea n cele ce urmeaz. Din
punct de vedere matematic, rezolvarea necesit noiuni i concepte de matematic
superioar din domeniul ecuaiilor funcionale, i anume a ecuaiilor cu diferene finite
de ordinul I neomogene. n dou articole tiinifice, problema a fost rezolvat de ctre
W. LOREY ( 1935 ) i A. WALTHER ( 1936 ). Din punct de vedere numeric, rezolvarea
problemei necesit cunoaterea metodelor numerice specifice rezolvrii ecuaiilor cu
diferene finite. De altfel, W. LOREY a i utilizat o main de calcul pentru rezolvarea
numeric a unui ecuaii cu diferene finite, aceasta deoarece a sesizat faptul c soluia se
obine dup un numr considerabil de iteraii.
Din punct de vedere informatic, rezolvarea va fi simpl deoarece nu se va utiliza modelul

matematic (ecuaia funcional) obinut din modelarea analitic a problemei, ci un
proces de calcul care simuleaz operaiile i strile unor locaii de memorie (acesta este
de fapt algoritmul care codific rezolvarea problemei), i care implementat ntr-un
limbaj de programare (de exemplu C sau Pascal) va rezolva problema n cazul general.
Pentru a face comparaia dintre soluia algoritmic obinut pentru calculator i soluia
analitic, prezentm succint rezolvarea dat de A. WALTHER. Vom considera problema
n cazul general, de accea vom face urmtoarele notaii :
a - cantitatea de lichid (n litri) coninut iniial n vas;
b - cantitatea de lichid ce se scoate zilnic din vas;
14
c - cantitatea de lichid ce se adaug zilnic n vas;
y0 - cantitatea de alcool pe litru (concentraia de alcool) a lichidului din vas la

momentul iniial;
yp - cantitatea de alcool pe litru a lichidului ce se adaug;
yf - cantitatea de alcool pe litru a lichidului din vas, la momentul final;
x - numrul de zile (operaii de nlocuire a lichidului);
y(x) - cantitatea de alcool pe litru a lichidului din vas dup x operaii de nlocuire a
lichidului.
Ecuaia funcional (ecuaia cu diferene finite) pentru determinarea funciei y(x), se

obine exprimnd cantitatea total de alcool din vas dup x zile, n dou moduri :
i) ( a - bx + cx ) y(x)
ii) ( a - bx + c(x-1) ) y(x-1) + c yp ,
unde cazul ii) se obine adunnd cantitatea de alcool din lichidul rmas n vas dup (x-1)
zile, din care s-au scot b litri, cu cantitatea de alcool a celor c litri care se adaug.
Prin urmare, se obine urmtoarea ecuaie funcional:
(1) ( a - bx + cx ) y(x) - ( a - bx + c(x-1) ) y(x-1) = c yp , ecuaie cu diferene finite de

ordinul I neomogen.
Rezolvarea acestei ecuaii este prezent n [1], soluia general fiind
unde
este funcia lui Euler dat de relaia:
n cazul particular a=2000, b=15, c=12, y0=0.8, yp=0.4, y(x) este un polinom de
gradul IV :
15
de unde, prin aproximare se deduce c y(194) = 0.50048, y(195) = 0.49963, prin urmare
dup x=195 zile se ajunge la concentraia de 0.5.
Metoda algoritmica- proces de calcul si program
n cazul rezolvrii algoritmice, vom abandona metoda obinerii ecuaiei funcionale i

rezolvarea ei analitic sau numeric, i vom concepe algoritmul ce realizeaz procesul
de calcul generat de cerinele problemei.
Pe lng variabilele x, a, b, c, yp, yf cu semnificaiile prezentate mai sus, vom utiliza i
urmtoarele variabile:
z - cantitatea de alcool din vas la un moment dat ;
t - cantitatea de lichid din vas la un moment dat ;
y0 - concentraia de alcool din vas la un moment dat.
Algoritmul n limbaj pseudo-cod este urmatorul :
algorithm Gauss;
int x;
float a,b,c,y0,yp,yf,z,t;
begin // main
read a,b,c ; //liquid quantities
read y0,yp,yf; //concentrations
// initializations
x1; z(a-b)*y0+c*yp;
ta-b+c
while yf < z/t do
begin
xx+1;
y0 z/t; //concentration
z(t-b)*y0+c*yp;
tt-b+c;
end
write x; // solution
end
Prin execuia algoritmului/programului de mai sus (in limbaj de programare C, Pascal,

etc.), pentru valorile b=15, c=12, y0 (iniial) = 0.8, yp= 0.4, yf = 0.5 se obin urmtoarele
rezultate :
a = 2000 , yf = 0.5004515, x(days) = 195

a = 5000 , yf = 0.5001438, x(days) = 488
a = 10000 , yf = 0.5000983, x(days) = 976
a = 100000 , yf = 0.5000064, x(days) = 9763
Referinte
16
[1] GABRIEL SUDAN, Cteva probleme matematice interesante, Biblioteca SSM,

Editura Tehnic, Bucureti, 1969.
[2] MARIN VLADA, O problem a lui K.F. Gauss rezolvat cu calculatorul, Gazeta
Matematic, nr. 5/1995.
Rezolvare cu programul EXCEL
Pentru a realiza in Excel calculul iterativ din algoritmul de mai sus vom introduce mai
inainte, in celulele corespunzatoare valorile datelor cunoscute:
a b c y0 yp yf
2000.000 15.000 12.000 0.800 0.400 0.500
Calculul iterativ si valorile parametrilor/variabilelor acestui calcul trebuie sa fie

implementate intr-un tabel de forma:
x ycurent z t
0 0.800 1600.000 2000.000
1 0.800 1592.800 1997.000
2 0.798 1585.636 1994.000
3 0.795 1578.508 1991.000
Deoarece in algorimul de calcul precedent variabila y0 este folosita si pentru concentraia

de alcool din vas la un moment initial, dar si pentru concentraia de alcool din vas la un
moment curect, von introduce variabila
- ycurent = concentraia de alcool din vas la un moment curect.
Din aceste motive, trebuie sa implementam in Excel un calcul iterativ de forma:
while yf < z/t do

begin
xx+1;
ycurent z/t; //concentration
z(t-b)*ycurent+c*yp;
tt-b+c;
end
Trebuie sa se realizeze urmatoarele etape (capul de tabel este pe randul 6):

1. se genereaza cu Edit Fill valorile pentru variabila (numar de zile) x: 0..200 pe
coloana A corespunzatoare acesteia, si anume pe randurile 7-207;
2. se introduc valorile pentru starea initiala (x=0), adica pentru ycurent, in B7
valoare 0.800, pentru z in C7 formula =A$4*D$4, iar pentru t, in celula D7,
valoarea 2000;
3. se introduc formulele pentru prima iteratie (x=1) tinand seama de calcul iterativ
de mai sus (a se vedea imaginea capturata din programul Excel), si anume,
17
pentru ycurent, B8= =C7/D7

-
pentru z, C8 =(D7-B$4)*B8+C$4*E$4
-
pentru t, D8 =D7-B$4+C$4
-
4. se genereaza formulele (prin Copy sub Excel) pentru iteratiile x= 2..200, adica se
selecteaza domeniul de celule B8:D8, se elibereaza butonul de mouse, dupa care
se aduce cursorul cruce (mare) al mouse-lui catre coltul dreapta-jos al cadrului ce
a selectat domeniul de celule, determinad aparitia cursorului de cruce mica; dupa
aceea se apasa butonul stanga si se trage pana la randul 207 (x=200), realizandu-
se astfel calcule corespunzatoare pentru cele 3 coloane din tabel..
Figura 19. Problema lui Gauss folosind Excel
Valorile generate de calculul iterativ sunt prezentate in continuare. Concluzia este ca

solutia in acest caz este x= 195 , adica identica cu solutia determinata prin
algoriumul/programul precedent.
8 0.783 1543.400 1976.000
x ycurent z t 9 0.781 1536.484 1973.000
0 0.800 1600.000 2000.000 10 0.779 1529.603 1970.000
1 0.800 1592.800 1997.000 11 0.776 1522.756 1967.000
2 0.798 1585.636 1994.000 12 0.774 1515.944 1964.000
3 0.795 1578.508 1991.000 13 0.772 1509.166 1961.000
4 0.793 1571.416 1988.000 14 0.770 1502.422 1958.000
5 0.790 1564.359 1985.000 15 0.767 1495.712 1955.000
6 0.788 1557.338 1982.000 16 0.765 1489.036 1952.000
7 0.786 1550.351 1979.000 17 0.763 1482.394 1949.000
18
18 0.761 1475.785 1946.000 66 0.665 1195.036 1802.000

19 0.758 1469.209 1943.000 67 0.663 1189.889 1799.000
20 0.756 1462.667 1940.000 68 0.661 1184.767 1796.000
21 0.754 1456.158 1937.000 69 0.660 1179.672 1793.000
22 0.752 1449.681 1934.000 70 0.658 1174.603 1790.000
23 0.750 1443.238 1931.000 71 0.656 1169.560 1787.000
24 0.747 1436.827 1928.000 72 0.654 1164.543 1784.000
25 0.745 1430.448 1925.000 73 0.653 1159.552 1781.000
26 0.743 1424.102 1922.000 74 0.651 1154.586 1778.000
27 0.741 1417.788 1919.000 75 0.649 1149.645 1775.000
28 0.739 1411.505 1916.000 76 0.648 1144.730 1772.000
29 0.737 1405.255 1913.000 77 0.646 1139.839 1769.000
30 0.735 1399.036 1910.000 78 0.644 1134.974 1766.000
31 0.732 1392.849 1907.000 79 0.643 1130.134 1763.000
32 0.730 1386.693 1904.000 80 0.641 1125.319 1760.000
33 0.728 1380.569 1901.000 81 0.639 1120.528 1757.000
34 0.726 1374.475 1898.000 82 0.638 1115.762 1754.000
35 0.724 1368.413 1895.000 83 0.636 1111.020 1751.000
36 0.722 1362.381 1892.000 84 0.635 1106.302 1748.000
37 0.720 1356.380 1889.000 85 0.633 1101.609 1745.000
38 0.718 1350.409 1886.000 86 0.631 1096.939 1742.000
39 0.716 1344.469 1883.000 87 0.630 1092.294 1739.000
40 0.714 1338.559 1880.000 88 0.628 1087.672 1736.000
41 0.712 1332.679 1877.000 89 0.627 1083.074 1733.000
42 0.710 1326.829 1874.000 90 0.625 1078.499 1730.000
43 0.708 1321.008 1871.000 91 0.623 1073.948 1727.000
44 0.706 1315.218 1868.000 92 0.622 1069.420 1724.000
45 0.704 1309.457 1865.000 93 0.620 1064.916 1721.000
46 0.702 1303.725 1862.000 94 0.619 1060.434 1718.000
47 0.700 1298.022 1859.000 95 0.617 1055.975 1715.000
48 0.698 1292.349 1856.000 96 0.616 1051.539 1712.000
49 0.696 1286.704 1853.000 97 0.614 1047.126 1709.000
50 0.694 1281.088 1850.000 98 0.613 1042.735 1706.000
51 0.692 1275.501 1847.000 99 0.611 1038.367 1703.000
52 0.691 1269.942 1844.000 100 0.610 1034.021 1700.000
53 0.689 1264.412 1841.000 101 0.608 1029.698 1697.000
54 0.687 1258.910 1838.000 102 0.607 1025.396 1694.000
55 0.685 1253.436 1835.000 103 0.605 1021.116 1691.000
56 0.683 1247.990 1832.000 104 0.604 1016.858 1688.000
57 0.681 1242.571 1829.000 105 0.602 1012.622 1685.000
58 0.679 1237.181 1826.000 106 0.601 1008.408 1682.000
59 0.678 1231.818 1823.000 107 0.600 1004.215 1679.000
60 0.676 1226.482 1820.000 108 0.598 1000.043 1676.000
61 0.674 1221.174 1817.000 109 0.597 995.893 1673.000
62 0.672 1215.893 1814.000 110 0.595 991.764 1670.000
63 0.670 1210.638 1811.000 111 0.594 987.656 1667.000
64 0.668 1205.411 1808.000 112 0.592 983.569 1664.000
65 0.667 1200.210 1805.000 113 0.591 979.503 1661.000
19
114 0.590 975.457 1658.000 159 0.535 813.087 1523.000

115 0.588 971.432 1655.000 160 0.534 809.878 1520.000
116 0.587 967.427 1652.000 161 0.533 806.686 1517.000
117 0.586 963.443 1649.000 162 0.532 803.510 1514.000
118 0.584 959.479 1646.000 163 0.531 800.349 1511.000
119 0.583 955.536 1643.000 164 0.530 797.204 1508.000
120 0.582 951.612 1640.000 165 0.529 794.074 1505.000
121 0.580 947.708 1637.000 166 0.528 790.960 1502.000
122 0.579 943.824 1634.000 167 0.527 787.861 1499.000
123 0.578 939.960 1631.000 168 0.526 784.777 1496.000
124 0.576 936.115 1628.000 169 0.525 781.708 1493.000
125 0.575 932.290 1625.000 170 0.524 778.654 1490.000
126 0.574 928.485 1622.000 171 0.523 775.615 1487.000
127 0.572 924.698 1619.000 172 0.522 772.591 1484.000
128 0.571 920.931 1616.000 173 0.521 769.582 1481.000
129 0.570 917.182 1613.000 174 0.520 766.588 1478.000
130 0.569 913.453 1610.000 175 0.519 763.608 1475.000
131 0.567 909.743 1607.000 176 0.518 760.642 1472.000
132 0.566 906.051 1604.000 177 0.517 757.691 1469.000
133 0.565 902.378 1601.000 178 0.516 754.754 1466.000
134 0.564 898.724 1598.000 179 0.515 751.832 1463.000
135 0.562 895.087 1595.000 180 0.514 748.923 1460.000
136 0.561 891.470 1592.000 181 0.513 746.029 1457.000
137 0.560 887.870 1589.000 182 0.512 743.148 1454.000
138 0.559 884.289 1586.000 183 0.511 740.282 1451.000
139 0.558 880.725 1583.000 184 0.510 737.429 1448.000
140 0.556 877.180 1580.000 185 0.509 734.590 1445.000
141 0.555 873.652 1577.000 186 0.508 731.764 1442.000
142 0.554 870.142 1574.000 187 0.507 728.952 1439.000
143 0.553 866.650 1571.000 188 0.507 726.154 1436.000
144 0.552 863.175 1568.000 189 0.506 723.369 1433.000
145 0.550 859.718 1565.000 190 0.505 720.597 1430.000
146 0.549 856.278 1562.000 191 0.504 717.838 1427.000
147 0.548 852.855 1559.000 192 0.503 715.092 1424.000
148 0.547 849.449 1556.000 193 0.502 712.360 1421.000
149 0.546 846.060 1553.000 194 0.501 709.640 1418.000
150 0.545 842.688 1550.000 195 0.500 706.934 1415.000
151 0.544 839.333 1547.000 196 0.500 704.240 1412.000
152 0.543 835.995 1544.000 197 0.499 701.558 1409.000
153 0.541 832.673 1541.000 198 0.498 698.890 1406.000
154 0.540 829.368 1538.000 199 0.497 696.233 1403.000
155 0.539 826.079 1535.000 200 0.496 693.590 1400.000
156 0.538 822.807 1532.000 Solutia corecta!
157 0.537 819.551 1529.000
158 0.536 816.311 1526.000
20
CONCLUZII.
Din analiza celor 3 rezolvari ale problemei lui Gauss se poate exprima concluzia ca
metoda matematica (rezolvarea unei ecuatii functionale) este laborioasa si incomoda,
iar metoda algoritmica sustinuta de un program scris intr-un limbaj de programare este
cea mai comoda si eficienta. De asemenea, rezolvarea folosind facilitatile programului
Excel este comoda si eficienta, in primul pentru ca se bazeaza pe procesul de calcul
iterativ din metoda algoritmica. Incovenientele (eliminate in cazul programului scris intr-
un limbaj de programare) apar atunci cand in vas cantitatea de lichid este foarte mare
(5000, 10000, etc.), caz in care tabelul de calcul necesita dimensiuni mari. Mai jos vom
exemplifica printr-o situatie modul in care propagarea erorilor pot denatura obtinerea
rezultatului corect in cazul acestei probleme.
Exemplu privind propagarea erorilor.
Pentru cantitatea de lichid de 2000, numarul de iteratii este considerabil (x=195, solutia)
si pot determina procesul de propagare a erorilor. Formula variabilei/parametrului z din
algoritmul de calcul, utilizeaza valoarea concentratiei de la pasul precedent
z(t-b)*ycurent + c*yp .
Vom modifica formula astfel ca sa se utilizeze valoare concentratiei la momentul curent,
adica formula C8 = (D7-B$4)*B8+C$4*E$4 va fi modificata astfel:
C8 = (D7-B$4)*B7+C$4*E$4.
In urma refacerii calculelor obtinem rezultatele de mai jos:
X ycurent z t 186 0.607 875.596 1442.000

0 0.800 1600.000 2000.000 187 0.607 871.634 1439.000
1 0.800 1592.800 1997.000 188 0.606 869.466 1436.000
2 0.798 1590.400 1994.000 189 0.605 865.531 1433.000
3 0.798 1583.243 1991.000 190 0.604 863.367 1430.000
4 0.795 1580.843 1988.000 191 0.604 859.459 1427.000
5 0.795 1573.730 1985.000 192 0.602 857.300 1424.000
6 0.793 1571.330 1982.000 193 0.602 853.418 1421.000
7 0.793 1564.259 1979.000 194 0.601 851.263 1418.000
8 0.790 1561.859 1976.000 195 0.600 847.408 1415.000
9 0.790 1554.831 1973.000 196 0.599 845.257 1412.000
10 0.788 1552.432 1970.000 197 0.599 841.428 1409.000
11 0.788 1545.446 1967.000 198 0.597 839.282 1406.000
12 0.786 1543.047 1964.000 199 0.597 835.479 1403.000
200 0.595 833.337 1400.000
Rezultate eronate !
Solutia, in acest caz are valoare mai mare decat valoarea corecta. Influenta propagarii
erorilor a determinat obtinerea unor rezultate eronate.
21
Indicatori statistici
Indicatorii statistici sunt definii pentru a surprinde (a analiza) variaii de manifestare a

unor valori masurate pentru fenomene si procese si care necesit elaborarea unor
metodologii i tehnici de rafinare, transformare i aplicare a unor operaii speciale de
calcul pentru obinerea unor determinri cantitativ-numerice. Indicatorul statistic, n
forma sa general, este expresia numeric a manifestrilor unor fenomene, procese,
activiti sau categorii economice i sociale, delimitate n timp, spaiu. Pentru cunoaterea
proceselor si fenomenelor, indicatorii statistici ndeplinesc mai multe funcii i anume: de
msurare; de comparare; de analiz sau de sintez; de estimare; de verificare a ipotezelor
i/sau de testare a semnificaiei parametrilor utilizai.
Indicatorii statistici se pot grupa n:
Indicatori primari (mrimi absolute) exprim direct valori initiale
(masuratori) pentru obiectivele cercetate; se pot obine prin nregistrarea direct,
centralizarea datelor sau prin nsumarea parial sau total a datelor individuale;
prezint o capacitate relativ limitat de descriere a fenomenului/procesului
analizat, i nu permite realizarea unor aprecieri calitative;
Indicatori derivai se obin prin prelucrarea indicatorilor primari i fac posibil
analiza aspectelor calitative ale fenomenelor i proceselor analizate (ex: mrimi
relative, mrimi medii, indicatori ai variaiei, indici, indicatori ai corelaiei, etc).
Indicatorii tendinei centrale
n general, indicatorii tendinei centrale se determin n general ca indicatori medii sau

indicatori de poziie (ai localizrii), n funcie de natura caracteristicilor urmrite n
colectivitatea investigat, de scopul investigaiei. Sunt multe situaiile cnd tendina
central se caracterizeaz printr-un anumit tip de medie (aritmetic, armonic,
ptratic, geometric), dar i situaii de utilizare a indicatorilor sintetici de poziie
(localizare: modul, cuantile).
Diverse tipuri de medii ale valorilor primare:

Media aritmetica - n sens statistic, media aritmetic a valorilor individuale (x1,
x2, , xn) ale variabilei / parametrului X = (x1, x2, , xn) reprezint acea valoare
x care s-ar fi nregistrat dac toi factorii de influen ar fi acionat constant (cu
aceeai intensitate) la nivelul fiecrei valori masurare/nregistrare. Prin urmare,
n
x1 x 2 ... x n xi
x , sau x i 1
, si avem min xi x max xi .
n n i i
Media ponderat - ntr-o colectivitate statistic, suficient de mare (n mare), unde

de obicei, multe valori prezint o anumit frecven de apariie, media aritmetic
se calculeaz ca o medie ponderat:
22
fx i i n
x i 1
n

, unde fi reprezint frecvena valorii x i , i avem
i 1
fi n .
Media armonic - Media armonic este folosit numai n anumite situaii, i

anume atunci cnd valorile/seturile de date sunt alctuite din valori exprimate sub
form de rapoarte, cum ar fi preurile vitezele (n mp/h), preurile (n u.m./kg), sau
productivitatea (produse/or-om). Media armonic se definete ca valoare invers
a mediei aritmetice a inverselor valorilor elementelor individuale nregistrate;
relaia de calcul a mediei armonice simple a irului de valori X = (x1, x2, , xn)
este urmtoarea:
n
ma n ;
1

i 1 x i
Pentru o serie de distribuii de frecvene media armonic ponderat se calculeaz
n
f i
dup relaia: ma , i 1
1 n

i 1 x i
fi
Media geometric - Media geometric este o mrime specializat folosit pentru

a calcula media creterilor procentuale (media creterilor procentuale a salariilor
sau preurilor bunurilor). Media geometric reprezint acea valoare a
caracteristicii observate care dac ar nlocui fiecare valoare individual din serie
produsul acestora nu s-ar modifica, adic
1
n
n
m g xi
i 1
Indicatori de poziie
Indicatorii de poziie calculeaz si se identific n cadrul unui set de valori cu cte o

variant real, care posed o anume proprietate, conform creia respectiva variant ofer
o informaie satisfctoare despre setul de valori studiat:
Mediana (Median)- Me, aceasta reprezint valoarea central a unei serii de date
aranjate cresctor sau descresctor, si are proprietatea ca imparte seria in 2
grupuri egale, astfel incat jumatate din valori sunt mai mici decat mediana si
jumatate sunt mai mari decat mediana. Este cuartila de mijloc, cuartilele fiind
valori care impart seria in 4 grupe, sau este percentila de mijloc, percentilele fiind
valori care impart seria in 10 grupe egale. Pentru o serie cu numar impar de
valori, valorile seriei sunt in ordine crescatoare si valoarea care imparte seria in
doua parti egale este mediana. Valoarea de mijloc a unei distribuii, este definit
drept cel mai mic numr astfel nct jumtate dintre valori s nu fie mai mari
dect el. Cu alte cuvinte, jumtate dintre valori sunt mai mici sau egale cu
23
mediana, jumtate sunt mai mari dect mediana. De remarcat c, dei este utilizat
n general ca un indicator de tendin central, mediana ofer mai degrab
informaii asupra repartizrii observaiilor (indicator de mprtiere). De regul,
mediana este raportat mpreun cu quartilele distribuiei n aa-zisa rezumare
prin cinci valori. Dac x1, x2, . . . , xn sunt valorile observate, mediana este
calculat, dup ordonarea cresctoare a valorilor, x(1) <= x(2)<= . . . <= x(n), prin
Este de notat c mediana realizeaz

minimul sumei abaterilor absolute
ale valorilor distribuiei de la un
n
punct fixat:
i 1
|xi m| este minim
pentru m egal cu mediana

distribuiei (n cazul unui numr par
de valori, mediana aa cum a fost
definit nu este singura valoare cu
aceast proprietate).
Funcie Excel:
MEDIAN(number1,number2,...)
Number1, number2, ... are 1 to 30

numbers for which you want the
median.
Exemplu: Median (18,19,20,21,22,23,24,25,26,27,28,29,30,31,32)=25 (nr. impar

de valori) si Median (18,19,20,21,22,23,24,25,26,27,28,29,30,31) = 24.5
Modulul (Mode) valoarea modala, adica dominanta unei variabile ce reprezint

valoarea care nregistreaz cea mai mare frecven de apariie. Valoarea modal
se utilizeaz ca indicator al tendinei centrale atunci cnd media nu se poate
calcula sau nu are sens s fie calculat.Valoarea mod este cea mai frecvent
valoare dintr-o mulime de valori. Grafic, dintr-o histogram, o valoare mod este
identificat printr-un maxim relativ. O distribuie poate avea astfel mai multe
valori mod (distribuii unimodale, bimodale, etc.).
Funcie Excel: MODE (number1,number2,...)
24
Number1, number2, ... are 1 to 30 arguments for which you want to calculate
the mode. You can also use a single array or a reference to an array instead of
arguments separated by commas. :
Exemplu: Mode (18,19,20,21,22,20,24,20,26,27,20,29,30,31,32)=20,

Mode (18,19,20,18,22,18,24,25,26,27,18,29,30,31) = 18
n Excel, funciile corespunztoare acestor parametri media arimetica, mediana si

modulul, sunt: AVERAGE, MEDIAN, MODE.
Indicatori ai mprtierii (variaiei)
Amplitudine (Range) sau indice de dispersie (Dispersion indexes) - este

definit ca xmaxxmin, unde xmax i xmin sunt valorile extreme ale unui set de
numere observate. Ofer o imagine a raspandirii datelor, dependent ns de
numrul de valori observate. Cu ct se msoar mai multe elemente, cu att ansa
de a observa valori mai deprtate crete, deci ansa de a obine o amplitudine mai
mare.
Abaterea medie (Mean Deviation) deviatia sau abaterea medie reprezinta
media abaterilor valorilor individuale fata de valoarea medie:
1 n
DM ( x x x )
n i 1
Abaterea standard (Standard Deviation SD) este radicalul mediei ptratice a

abaterilor datelor fa de medie i se calculeaz cu formula:
x
n
2
i x
s X i 1
(in Excel este functia STDEV sau
n 1
STDEVP).
Variana (Variance) sau dispersia este ptratul abaterii medii ptratice,
V x x2 (in Excel este functia VAR sau VARP).
Intervalul de confidenta (Confidence interval) interval de incredere (numar de
valori in intervalul de incredere) pentru estimarea unui parametru (ex. media,
dispersia, etc) in cazul unei distributii normale Gauss:
a) x x cu probabilitate de 0.682
b) x x 2 cu probabilitate de 0.954
c) x x 3 cu probabilitate de 0.997
In Excel exista functia CONFIDENCE(alpha,standard_dev,size), Alpha is the

significance level used to compute the confidence level. The confidence level
equals 100*(1 - alpha)%, or in other words, an alpha of 0.05 indicates a 95
25
percent confidence level. Standard_dev is the population standard deviation for

the data range and is assumed to be known. Size is the sample size.
Distribuia i propagarea erorilor. Estimarea erorilor
Erorile aleatoare (accidentale) produc efecte asupra preciziei datelor si rezultatelor.

Acestea nu sunt corelate si afecteaza valorile observate (masuratorile) si se considera ca
pentru masuratori de volum foarte mare (n tinde catre infinit) aceste erori sunt realizari
(sunt distribuite) ale unei variabile aleatoare normale (distributia normala Gauss) X.
Proprietatea importanta a aceste distributii de probabilitati este aceea ca valorile
observate (masurate) se distribuie aleator la stanga si la dreapta fata de valoarea medie,
adica satisface legea densitatii de probabilitate Gauss (numita si clopotul lui Gauss),
distributia normala standard N(0,1), avand media 0 si dispersia 1:
h 2
x 2 ) 1
f (x) e ( h , x (,) , h (precizia),
2
si lim f (x) lim f (x) 0 . Mai jos este graficul densitatii de probabilitate pe intervalul
x x
[-2,2] realizat (pasul discretizarii/diviziunii p=0.1) cu programul Excel.
Densitatea de probabilitate a erorilor f(x)
1.2
0.8
0.6 f(x)
y
0.4
0.2
0
-2 .7 .4 .1 .8 .5 .2 1 4 7 1 3 6 9
-1 -1 -1 -0 -0 -0 0. 0. 0. 1. 1. 1.
x
Figura 20. Graficul folosind Excel

26
Pentru o valoare data x (,) , conform definiiei funciei de repartiie,

probabilitatea ca X < x este data de relatia:
F(x) = P ( X < x ) = f (u)du ,

adica reprezinta aria de sub curba normal standard delimitat de - i x .
f(x)
1
max f (x) f ()
x(,) 2
- -3 -2 - =0 + +2 +3 +
68.3%
aria 0.341
95.5%
aria 0.477
99.7%
aria 0.499
Figura 21. Erorile aleatoare: Distributia probabilitatilor si relatia cu functia de repartitie
Distribuie normal (Normal Distribution - ND) Densitatea de probabilitate Gauss
Prin definiie, o variabila aleatoare. X are o repartiie normal cu parametrii i dac

densitatea sa de probabilitate este
27
1
,
f ( x ) dx 1, max f ( x ) f ( )
x( , ) 2
Se demonstreaz c i 2 este media, respectiv dispersia, variabila aleatoare X.

Conform definiiei funciei de repartiie,
i se poate demonstra c pentru orice a b, probabilitatea ca a < (X-m)/s < b este
P(a < (X-m)/s < b) = aria de sub curba normal standard delimitat de x = a i x = b
formul care permite calcularea probabilitilor asociate cu repartiia normal doar

cunoscnd probabilitile asociate repartiiei normale standard. Notaia uzual este
X~N(,2). Pentru distribuia normal standard se obine X~N(0,1).
In EXCEL exista functia:

NORMDIST(x,mean,standard_dev,cu
mulative)
- X is the value for which you want

the distribution.
- Mean is the arithmetic mean of the

distribution. Standard_dev is the
standard deviation of the distribution.
- Cumulative is a logical value that

determines the form of the function. If
cumulative is TRUE, NORMDIST
returns the cumulative distribution
function; if FALSE, it returns the
probability mass function.
The equation for the normal

density function (cumulative =
FALSE) is:
When cumulative = TRUE, the
formula is the integral from
negative infinity to x of the
given formula.
28
Este remarcat faptul ca pentru o curba a distributiei erorilor cu o medie data si cu

diverse dispersii 1 ,2 i 3 crescatoare. atunci cele trei curbe au baza crescatoare asa
cum se vede in figura urmatoare:
Figura 22. Curbele distributiei pentru diverse dispersii crescatoare 1 ,2, 3
Modelul teoretic al distributiei erorilor (curba lui Gauss: distributia normala standard)
se refera la un numar infinit de masuratori pentru valorile masurate (observate). In
practica, numarul observatiilor este finit, si uneori acest numar este mic asa cum este
cazul domeniilor chimie, fizica, etc. Sa presupunem ca se fac masuratori pentru marimea
Y. Daca se repeta masurarea marimii Y in conditii identice se constata ca valorile
masurate difera intre ele, si atat pentru un numar foarte mare de masuratori (teoretic
infinit), cat si pentru un numa mic de masuratori (finit) se obtin doua siruri (seturi)
distincte de valori masurate. Daca pentru ambele seturi de valori masurate se reprezinta
grafic frecventele de aparitie (distributia probabilitatilor) a valorii masurate in functie de
valorile masurate, se obtin doua curbe diferite (a se vedea figura de mai jos). Vom nota:
Yr = valoarea adevarata (reala, corecta) a marimii Y;
m = media valorilor masurate pentru un numar infinit de masuratori
Y = media valorilor masurate pentru un numar mic (finit) de masuratori
Eroarea sitematica (obiectiva) este data de diferenta dintre media valorilor masurate
pentru un numar infinit de masuratori si valoarea adevarata a marimii Y , adica m - Yr .
Eroarea aleatoare (accidentala) ) este data de diferenta dintre media valorilor masurate
29
pentru un numar finit de masuratori si media valorilor masurate pentru un numar infinit
de masuratori, adica Y - m.
Figura 23. Erori de masurare sistematice si aleatoare

(Sursa: M. Miron, L. Miron, Masurari electrice si electronice, Brasov, 2003,
http://www.afahc.ro/invatamant/electro/mee.pdf)
Propagarea erorilor
Atunci cnd un rezultat experimental depinde de unul sau mai multe masuratori nesigure,
este necesar s se analizeze propagarea erorilor (incertitudinile: propagation of error or
propagation of uncertainty) acestor msurtori n rezultat final al cercetarii
(experimentului).
In sens statistic, daca X este o variabila aleatoare data ce are o distributie cunoscuta a
erorilor si asupra ei actioneaza un sistem de prelucrare (experiment system), se doreste sa
sa cunoasca propagarea erorilor (distributia erorilor) pentru variabila aleatoare rezultat Y:
(input) X SISTEM Y (Output)

(experimet system)
Trebuie sa se determine distributia functiei de iesire pentru variabila Y, adica Y = f(X),

unde f este cunoscuta si distributia erorilor pentru varaiabila aleatoare X este cunoscuta.
30
Presupunem ca variabila X (input) este normal distribuita N(x , x) cu media x si

abaterea standar x si se doreste sa se determine cum se propaga intervalul cu
probabilitatea 68% [x - x , x + x ] prin sistemul de prelucrarea in rezultatul final,
adica in variabila iar Y (output). Daca f este o functie complexa, din figura urmatoare se
poate observa ca aceste interval depinde de aceasta functie sa determine o anumita
distributie a erorilor pentru rezultatul final Y. In cazul normal distribuit pentry Y, avem
notatia N (y , y).
Figura 24. Propagarea erorilor pentru cazul neliniar al rezultatului
Pentru cazul general cand avem n varaibila aleatoaea la intrare (input) X 1 , X 2, ... Xn ,
avem urmatoarea schema generala:
Figura 25. Schema generala pentru n intrari
In acest caz avem Y = f (X1 , X 2, ... Xn), unde X1 , X 2, ... Xn sunt variabile aleatore de
intrare (input) avand distributia normala N(i , i), unde i 1,2,..., n .
In acest caz, reprezentarea lui Y sub forma dezvoltatii in serie Tayloy de ordinul I (se
utilizeaza doar deriva de ordinul I)) in punctul (1 , 2, ... , n ) este
31
Daca pentru medie utilizam notatia din statistica (probabilitati), E ( . ), atunci avem
urmatoarele calcule:
, cu notatiile
Vom presupune ca functia f este liniara si astfel Y este o variabila aleatore distribuita
normal N(y , y) cu media y si abaterea standar y . sa calculam y si y2 :
adica
si daca vom considera ca variabilele aleatoare X1 , X 2, ... Xn sunt independente, atunci

covarianta ij este zero si avem
Pentru exemplificare vom da cateva exemple de operatii asupra intrarilor. Calculul erorii
rezultatului final va fi analilat in cele ce urmeaza.
Input: a, b, c obtinute din masuratori directe cu erorile sa, sb, sc
Output: rezultatul final x, cu eroarea sx
32
Nr. crt. Rezultatul final Propagarea erorilor

1 x=a+b-c
2 x = a * b/c
3 x = abc
Tabelul 2. Propagarea erorilor
De exemplu, se poate calcula eroarea la etalonul de curent pe baza legii lui Ohm, sau in
general la masurarea indirecta a curentului, prin masurarea caderii de tensiune pe o
rezistenta etalon. In Chimie si Fizica sunt diverse formule de calcul pentru care trebuie sa
se calculeze eroarea.
Analiza datelor experimentale. Modele matematice si statistice
In cercetare si in analiza datelor experimentale din diverse domenii stiintifice trebuie sa

se realizeze proceduri de calcul si modele care sa conduca la concluzii privind
interpretarea masuratorilor, calculelor si rezultatelor modelelor teoretice sau empirice
(aproximative).
Presupunem ca trebuie sa se studieze variabila Y (dependenta) in functie de variabila X

(independenta), adica dependenta Y = f(X), de exemple daca X reprezita parametrul
temperatura, iar Y parametrul presiune. In acest caz variabila Y se exprima ca o
functie de o singura variabila. Considerm c s-au determinat n perechi de valori (xi,yi),
i=1,,n corespunztoare celor dou variabile pentru care se doreste s se studieze
asocierea i relaia dintre ele. O prim apreciere asupra distribuiei comune o vom avea
dac realizm diagrama de mprtiere a valorilor, de fapt reprezentarea ntr-un sistem
de axe XOY pentru punctele avnd coordonatele (x , y). Analiza vizual a organizrii i
formei norului de puncte obinut poate oferi indicii importante asupra relaiei dintre
variabile. Datele vor susine ipoteza asocierii ntre variabile dac forma norului de puncte
se apropie de o curb data cu expresie analitica cunoscuta. Astfel, se pot aprecia asocieri
liniare, curbilinii, etc. Dac n norul de puncte nu se poate distinge o tendin, se va
spune c variabilele nu sunt corelate. Diversitatea priceselor si fenomenelor studiate
determina obtinerea unei mari diversitati de tendinte: liniare si neliniare (curbilinii).
n figuririle urmtoare sunt ilustrate cteva tendine ale acestor asocieri.
33
Y Y
X X
a) asociere liniara pozitiva b) asociere liniara negativa
Y Y
X X
c) fara (nu exista) asociere d) asociere neliniara (curbilinie)
Figura 26. Diferite tipuri de asociere pentru variabilel X si Y
Pentru a sintetiza (estima) modul n care schimbrile variabilei Y sunt asociate cu

schimbrile variabilei X, se utilizeaza metoda matematic "metoda celor mai mici
ptrate - MCMMP" (conceputa de Legendre, 1806). Aplicat n cazurile a) si b),
asocierea dintre X i Y este reprezentat printr-o dreapt trasat printre punctele
diagramei de mprtiere. Dreapta estimat (dreapta de regresie) este "cea mai bun" n
sensul c exprim cel mai central drum printre puncte: linia pentru care suma ptratelor
distanelor (pe vertical) dintre puncte i dreapt este minim.
Y f(x) = ax + b
X
Figura 27. Dreapta de regresie in cazul a)
34
Distanele yi f(xi), i=1,,n sunt considerate ca erori (reziduuri) intre valorile masurate
si valorile estimate. Dreapta de regresie f(x) = ax + b realizeaz valoarea minim a
ptratelor erorilor (parametri dreptei a si b urmeaza a fi determinati prin MCMMP),
n
S [ y i f ( xi )] 2
i 1
n sensul c orice alt dreapt produce o sum de ptrate mai mare. Este de amintit c o
proprietate a mediei aritmetice este aceea c suma ptratelor diferenelor de la medie are
o valoare minim. Astfel se poate spune c dup cum media reprezint punctul de
echilibru pentru o distribuie univariat de scoruri, la fel dreapta de regresie reprezint
punctul de echilibru ntr-o distribuie bivariat. Utilitatea dreptei de regresiei este aceea
c servete ca baz pentru predicia valorilor lui Y asociate valorilor lui X.
In cazul asocierii neliniare (curbilinie), curba care estimeaza asocierea dintre varabilele
Y si X va fi exprimata prin intermediul unor parametri ce urmeaza a fi determinati prin
MCMMP. In practica, in functie de natura datelor experimentale si procesul analizat
trebuie sa se determine evolutia procesului pe baza datelor experimentale. Aceasta este
reprezentata si estimata de modele matematice date de functii liniare sau neliniare
(curbe).
Modelele matematice (liniare sau neliniare) ce estimeaza evolutia proceselor sau

fenomenelor sunt exprimate de:
Modele teoretice - acestea se bazeaza pe diverse legi si principii ale domeniului
teoretic; sunt modele rationale ce se determina prin functii si legi obtinute prin
rationamente teoretice ce exprima functii si ecuatii ale unor teorii studiate in
domeniul respectiv: chimie, fizica, biologie, etc.
Modele empirice (de aproximare) - acestea au la baza un suport teoretic pentru a
utiliza observatii (masuratori) empirice ale unor parametri ce definesc procesele
si fenomenele in vederea realizarii de calcule si aproximari (fitare) ale datelor.
Modele teoretice
Exemple.
a) Legea densitatii de probabilitate Gauss privind distributia erorilor de masurare (numita
si clopotul lui Gauss), distributia normala standard N(0,1), avand media 0 si dispersia 1:
h 2
x 2 ) 1
f (x) e ( h , x (,) , h (precizia),
2
si limf (x) limf (x) 0.

x x
b) Exemplu din chemical kinetics (teoria starii de trazitie 'transition state theory') -
ecuatia EyringPolanyi (1935) ce descrie dependena de temperatur a ratei de reacie
intr-o reactie bimoleculara. Principiile teoriei starii de tranzitie: exist un echilibru
termodinamic ntre starea de tranzitie i starea de reactani n partea de sus a barierei de
energie; rata de reactie chimica este proporional cu concentraia de particule n stare de
35
tranziie de nalt energie. Modelul dat de ecuaia Eyring este folosit n studiul gazelor
prin reacii condensate i mixte (Sursa: Peter Keusch, University of Regensburg,
http://www.demochem.de/eyr-e.htm):
, unde
variabila dependenta k este functie de temperatura T si de parametri S (entropia de
activare), H (entalpia de activare) si
kB = Boltzmann's constant [ 1.381 10 -23 J K -1 ]
T = absolute temperature in degrees Kelvin [ K ]
h = Pank constant [ 6.626 10 -34 J s ]
R = Universal Gas Constant = 8.3144621 [ J mol -1 K -1 ]
S = activation entropy [ J mol -1 K -1 ]
H = activation enthalpy [ kJ mol -1 ]
Observatii:
is given by statistical thermodynamics,

k is known as a universal rate constant for a transition state.
G = free activation enthalpy [kJ mol -1] (Gibbs energy),

G is also described by the Legendre transformation of the Gibb's free energy function.
G poate fi considerat a fi fora motrice a unei reacii chimice, ce determin
spontaneitatea de reacie: reacia este spontan (< 0), sistem in echilibru (= 0), reacia nu
este spontana (> 0).
Prin logaritmare, ecuaia Eyring se transforma intr-un model liniar:
Modele empirice (de aproximare)

Exemple.
a) Ecuaia Arrhenius ecuaia se poat aplica numai la cinetica reaciilor de gaz si se
bazeaz pe observaia empiric a faptului c o reacie se desfoar cu o cretere a ratei
de reacie la o temperatur mai ridicat:
Ea

k Ae RT
, unde A factor si Ea este energia de activare.
(forma liniara)
36
b) Legea lui Beer (Spectrofotometrie): A = L C, unde A este absortia, este cantitate

este de absorbie molar, L este lungimea de und a luminii folosite la msurare, iar C
este C este concentraia analitului (Sursa: David N. Blauch, Beer's Law:
http://www.chm.davidson.edu/vce/spectrophotometry/beerslaw.html,si
http://teaching.shu.ac.uk/hwb/chemistry/tutorials/molspec/beers1.htm).
Figura 28. Virtual Chemistry Experiments by David N. Blauch -

http://www.chm.davidson.edu/vce/
Coeficientul de corelaie (Correlation coefficient)
Coeficientul de corelaie (Pearson) este o msur a asocierii liniare dintre dou variabile,
cu alte cuvinte a gradului n care reprezentarea bivariat sub forma unei diagrame de
mprtiere se apropie de o dreapt. Notnd cu X i Y cele dou variabile i cu xi, yi,
i=1,,n, valorile variabilelor, formula de calcul este
37
Coeficientul de corelaie ia valori n [1,+1] cu semnificaia de asociere pozitiv/negativ

dup semnul coeficientului i de lips de asociere pentru rXY = 0.
Exercitiu. Pentru un set de date ce reprezinta valorile a doua variabile aleatoare X i Y

vom calcula in trei moduri coeficientul de corelatie rXY : a) folosind functia CORREL
(X,Y) din Excel, b) folosind Excel pentru calculele directe ale formulei de mai sus, si c)
folosind covarianta COVAR (X,Y) din Excel.
X Y
12.6 0.42365
12.7 1.692047
12.8 2.963326
12.9 4.22442
13 5.462171
13.1 6.663465
13.2 7.81537
13.3 8.905278
13.4 9.921037
13.5 10.85109
13.6 11.6846
13.7 12.41158
13.8 13.023
13.9 13.5109
14 13.8685
14.1 14.09026
14.2 14.17198
14.3 14.11084
14.4 13.90547
14.5 13.55598
14.6 13.06395
14.7 12.43248
14.8 11.66613
14.9 10.77093
15 9.754318
Varianta a) 0.775901
Varianta b) 0.775901 Valori
Varianta c) 0.775901 identice!
Corelatia
(X,Y)
Medie X Medie Y
13.8 10.03771
38
Suma C Suma D Suma E

57.6555 13 424.7427
Numarator Numitor
57.6555 74.30784
A B C D E
-1.2 -9.61406 11.53687 1.44 92.43017
-1.1 -8.34566 9.180231 1.21 69.65011
-1 -7.07439 7.074386 1 50.04693
-0.9 -5.81329 5.231962 0.81 33.79435
-0.8 -4.57554 3.660432 0.64 20.93556
-0.7 -3.37425 2.361972 0.49 11.38554
-0.6 -2.22234 1.333405 0.36 4.938799
-0.5 -1.13243 0.566217 0.25 1.282406
-0.4 -0.11667 0.04667 0.16 0.013613
-0.3 0.813378 -0.24401 0.09 0.661584
-0.2 1.646889 -0.32938 0.04 2.712245
-0.1 2.373869 -0.23739 0.01 5.635252
0 2.985289 0 0 8.91195
0.1 3.473193 0.347319 0.01 12.06307
0.2 3.830792 0.766158 0.04 14.67496
0.3 4.052551 1.215765 0.09 16.42317
0.4 4.134267 1.653707 0.16 17.09216
0.5 4.073128 2.036564 0.25 16.59037
0.6 3.867761 2.320656 0.36 14.95957
0.7 3.518267 2.462787 0.49 12.3782
0.8 3.02624 2.420992 0.64 9.158127
0.9 2.394767 2.15529 0.81 5.734909
1 1.628419 1.628419 1 2.651749
1.1 0.733221 0.806543 1.21 0.537613
1.2 -0.28339 -0.34007 1.44 0.080312
A X X ; B Y Y ; C A B ; D A2 ; E B 2
In cazul a) se apeleaza functia CORREL(Array1,Array2), unde Array1, Array2 sunt,

respectiv, zonele care conin valorile celor dou variabile (trebuie s aib, evident, acelai
numr de valori), adica X si Y. Mai jos este fereastra oferita prin apelul functiei
CORREL. Se va indica, pe rand fiecare argument in parte: X si Y. Rezultatul obtinut este
urmatorul: rXY = 0.775901.
In cazul b) trebui sa se realizeze calculul direct, adica este nevoie sa se utilizeze 5 vectori
A, B, C, D , E definiti tinand seama de expresia dion formula coeficientului de corelatie
rXY . Deasupra tabelului de mai sus in care se calculeaza cei 5 vectori se calculeaza
valorile intermediare din structura expresiei coeficientului de corelatie si se va obtine
acelasi rezultat rXY = 0.775901.
39
A B
C=A*B, C=A2, D=B2
Figura 29. Fereasta oferita de functia CORREL
Cazul c). Calculul coeficientul de corelaie al celor doi vectori de date se poate exprima si
folosind formula de mai jos:
Cov ( X , Y )
rXY ,
S X SY
unde Cov(X,Y) este covarianta celor doi vectori X si Y, iar SX , SY sunt abaterile standard
x y
n n
2 2
i x i y
pentru X, respectiv Y. Avem: S X si S Y
i 1 i 1
..
n n
Covariana (Covariance)
Coeficientul de covariana este o msur a asocierii liniare dintre dou variabile X si Y,
x
n
i x yi y
Cov X , Y i 1
, unde x i y reprezint mediile vectorilor X i Y.
n
Calculul covarianei folosind funcia statistic din Excel, se face prin apelul functiei
40
COVAR(Array1,Array2), unde Array1, Array2 sunt, respectiv, zonele care conin

valorile celor dou variabile (trebuie s aib, evident, acelai numr de valori), adica X si
Y.
Pentru calculul abaterilor standard SX , SY se apeleaza functia STDEVP(number1,

number2, ...), number1, number2, ... are 1 to 30 number arguments corresponding to a
population. You can also use a single array or a reference to an array instead of
arguments separated by commas.
In acest fel, si in cazul c) se va obtine acelasi rezultat rXY = 0.775901.
Pentru diverse probleme complexe ce necesita anumite calcule statistice, trebuie sa se

cunoasca si sa se inteleaga semnificatia termenilor si calculelor statistice corespunzatoare
si apoi sa se utilizeze instrumentele statistice (Analysis ToolPak, Analysis ToolPak
VBA, Solver Add-in, etc.) oferite de programul Excel. Acest lucru este valabil si in cazul
problemelor ce necesita rezolvarea ecuatiilor si a sistemelor. Trebuie sa se utilizeze
meniul Tools Add-Ins (va aparea submeniul Data Analysis in meniul Tools):
41
Despre programul Microsof Office Excel (versiunea 2007- 2010)
In comparatie cu versiuenea Microsoft Office Excel versiunea 2003-2007 ce ofera

pentru o foaie de calcul (sheet) dimensiune 65536R x 256 C (linii si coloane: se
actioneaza simultan tastele <CTRL>+ <>, respectiv <CTRL>+ <>) si extensia
pentru fisierul output (rigistru, agenda work) este data de .xls, noua versiune 2007-2010
42
ofera pentru o foaie de calcul (sheet) cu dimensiunea mult mai mare 1048576R x 16384C
si extensia sub forma. .xlsx. Referitor la formatul acestei extensii, trebuie sa facem
observatia ca in practica, un utilizator care lucreaza cu versiunea veche Excel 2003-2007
si deschide un fisier cu acest format, trebuie sa se asigure ca in versiunea noua Excel
2007-2010 este neaparat necesar sa se salveze pentru versiunea Excel 2003-2007.
Meniu: File, Edit, View, Insert, Format, Tools, Data, Window
Control: File
Meniu: Pornire, Aspect pagina, Formule, Data, Revizuire, Vizualizare
Dimensiune foaie de calcul
Figura 30. Meniurile principale pentru versiunile Excel 3003-2007 si 2007-2010
MeniulPORNIRE
Meniul INSERARE
43
Meniul FORMULE: Financiar, Logica, Text, Date, Cautare si referinte., Matematica si

trigonometrie , Alte functii (Statistica, Inginerie, Cub, Informatii)
Meniul DATE
Functii: Matematica si trigonometrie
Figura 31. Centrul de Control: File

44
Regresia liniar (Regression, Linear Regression)
Date fiind valorile observate pentru dou variabile aleatoare X i Y, fie acestea (xi,yi),
i=1,,n, prin funcie de regresie se va nelege acea funcie Y = f(X) care aproximeaz
cel mai bine setul de date observate. De regul, criteriul ales este dat de metoda celor mai
mici ptrate (MCMMP), adic acea funcie f pentru care se minimizeaz suma patratelor
erorilor intre valorile masurate si cele estimate (procedeu de fitare), adica suma
n
S [ yi f (xi )]2
i1
Dac f este o funcie liniar, atunci se obine regresia liniar, reprezentat grafic printr-o
dreapt (dreapta de regresie). Dreapta de regresie, mpreun cu abaterile standard ale
variabilelor X i Y, sau cu coeficientul de corelaie, pot constitui o rezumare rezonabil a
distribuiei comune a celor dou variabile X si Y. Adecvana modelului liniar este mai
bun atunci cnd diagrama de mprtiere are form de elips.
Metoda celor mai mici ptrate (MCMMP)
Dependena funcional a unei variabile aleatoare Y (dependent-efect) fa de alt

variabil X (independent-cauz) poate fi studiat empiric, pe cale experimental,
efectundu-se o serie de msurtori asupra variabilei Y pentru diferite valori ale variabilei
X. Rezultatele se pot prezenta sub form de tabel sau grafic.
Problema care apare n acest caz este de a gsi reprezentarea analitic a dependenei
funcionale cutate (procedeu de fitare), adic de a alege o expresie (formul sau model
matematic) care s descrie rezultatele experimentului printr-un model matematic.
Formula se alege dintr-o mulime de formule determinate, de exemplu:
y = ax + b (dreapta),
y = ax2 + bx + c (parabola),
y = aebx + c (exponentiala),
y = a + b sin( t + ) (sinusoida).
Pin urmare, problema const n a determina parametrii a, b, c, etc. n timp ce formula
(expresia analitic) este cunoscut dinainte, ca urmare a unor considerente teoretice sau
dup forma prezentrii grafice a datelor, n mod empiric.
S considerm, cazul general cnd avem p parametri, si astfel vom nota dependena
funcional prin
y = f(x; a0, a1, ..., ap)
Parametri a0, a1,..., ap nu se pot determina exact pe baza valorilor empirice y1, y2,...,yn
ale funciei, deoarece acestea din urm conin erori aleatoare. Problema reprezint
obinerea unei estimari "suficient de bune".
45
Formularea problemei
Dac toate msurtorile valorilor varabilei Y sunt y1, y2,...,yn, atunci estimaiile
parametrilor a0, a1,..., ap se determin din condiia ca suma ptratelor abaterilor valorilor
msurate yk de la cele calculate f(xk; a0, a1,..., an) s ia valoarea minim, adic sa fie
minim expresia
n
S [yk f (xk ;a0, a1,...,ap )]2
k1
.
Consideraia formulat se pstreaz i n general, pentru determinarea parametrilor unei
funcii de mai multe variabile (2, 3, etc.), adica o variabila dependenta (efect) si mai
multe variabile independente (cauze). De exemplu, pentru variabila Z (efect) ce depinde
de dou variabile independente (cauze) X i Y, adic Z=f(X,Y), estimaiile parametrilor
a0, a1,..., ap se determin din condiia ca expresia
n
S [ z k f ( x k , y k ; a 0 , a1 ,..., a p )] 2
k 1
s fie minim.
Determinarea valorilor parametrilor a0, a1,..., ap, se face prin aplicarea condiiilor de
obtinere a valorii minime in derivatele partiale ale funciei S considerat n variabilele a0,
a1,..., ap , adic funcia cu p variabile S(a0, a1,..., ap). Obinerea acestor valori nseamn
rezolvarea sistemului de p ecuaii cu p necunoscute.
S S S
0, 0 ,, 0.
a0 a1 ap
Dreapta de regresie
n cazul modelului liniar (cel mai simplu) se studiaz numai dou variabile X (cauza),
Y(efect) i se dorete gsirea dependenei Y = f(X), unde f(x) = ax + b este o dependenta
liniara (functie de gradul I) cu p=2 parametri a si b.
n urma celor n probe (masuratori, observatii) se cunosc datele (xi ,yi), i=1,..., n i trebuie
s se determine coeficienii a i b astfel nct suma
n
S y i (ax i b)
2
i 1
s fie minim. Condiiile de obinere a parametrilor a i b sunt:
S
a 0
, ceea ce conduce la sistemul de 2 ecuatii cu 2 necunoscute:

0S
b
n n n n
i
2 y (ax i b) ( x i ) 0 i i
2 x y 2 ax 2
i 2 bx i 0
i 1 i 1 i 1 i 1
n n n n
2 y (ax b) 0 2 y 2 ax 2 b 0

i 1 i i
i 1 i i 1
i
i 1
46
n n n n
Se noteaz: x i y i Sxy
i 1
x 2i Sxx
i 1
x i Sx
i 1
y
i 1
i Sy si sistemul de ecuaii
devine:
S xy aS xx bS x 0
. Se obin urmatoarele expresii pentru cei doi parametri a si b:
S y aS x nb 0
S x S y nS xy 1
a
(S x ) nS xx
2
i b
n

S y aS x
Cei doi parametri ai funciei model f(x) = ax + b reprezint:
a - panta dreptei de regresie, adic a=tg(), unde este unghiul dintre graficul
funciei f si axa OX (absciselor);
b - valoarea pe axa OX unde graficul funciei f intersecteaz axa OY
(ordonatelor).
Trebuie s facem observaia c indiferent de gradul de mprtiere al punctelor,

ntotdeauna se poate gsi o dreapt de regresie, dar n cazul unei dispersii mari aceasta
devine inutil. De aceea un studiu preliminar al distribuiei punctelor (norul de puncte) se
impune cu necesitate.
Calitatea unei drepte de regresie poate fi analizat dup coeficientul de determinare R2
(R-squared value on chart, ptratul coeficientului de corelaie multipl) ce are valori in
intervalul [0,1] si se calculeaz cu relaia:
n
[ y i f ( xi )] 2
1 n
R2 1 n
i 1
, unde E ( f ( x)) f ( xi ) .
n i 1
[ E ( f ( x)) f ( x )]
i 1
i
2
O valoare 1 pentru acest coeficient are semnificaia c funcia model f explic ntreaga
variabilitate (dependent) a lui y, iar valoarea 0 c nu exist nici o relaie liniar ntre
variabila Y i variabila X. O valoare de 0.5 a lui R 2 poate fi interpretat n sensul c
aproximativ 50% din variaia variabilei Y poate fi determinata de ctre variabila
independent X.
EXEMPLE
Exemplul 1.
Folosind programul Excel sa se determine drepta de regresie pentru doua variabile X si

Y (de exemplu, in cadrul unui proces electric: variabila intensitate I(mA) si variabila
Tensiune U(mV) ce depinde deaceasta) si sa se obtina calitatea aproximarii (fitarii) prin
calculul coeficientul de determinare R2.
Intr-o foaie de calcul Excel presupunem ca apar valorile masurate pentru variabilele X si
Y. Pentru obtinerea dreptei de regresie si a coeficientului de determinare R2 , trebuie sa se
parcurga urmatorii pasi:
47
Pasul 1. Reprezentarea norului de puncte (diagrama de imprastiere) pentru

variabilele X si Y. Pentru acest lucru trebuie sa se selecteze valorile aflate in cele 2
coloane ale celor 2 variabile, se actioneaza Insert Chart si se alege tipul de grafic XY
(Scatter) (Standard Types), de unde din cele 5 variante de grafice se opteaza pentru
prima varianta (Scatter-Compares pairs of values); se parcurg etapele pentru a genera
graficul respectiv, si care apare mai jos;
Dreapta de regresie
1320
1310
1300
1290
1280
1270 Y
Y
1260
1250
1240
1230
1220
0 0.2 0.4 0.6 0.8 1 1.2
X
48
Pasul 2. Determinarea si reprezentarea dreptei de regresie. Se selecteaza

graficul obtinut la pasul 1 (norul de puncte) si se actioneaza Chart Add Trendline de
unde se alege tipul Linear (Standard Types), Eticheta Add Trendline Options este
prezentat n figura urmtoare i permite definirea altor atribute ale liniei de trend: Display
equation on chart marcarea boxei de control are efectul trecerii pe grafic a ecuaiei
estimate, Display R-squared value on chart este util pentru afiarea coeficientului de
determinare R2 (ptratul coeficientului de corelaie multipl).
49
In urma aparitiei graficului ce reprezinta dreapta de regresie, se obtin urmatoarele

rezultate:
y = f(x) = -83.636x + 1317.6, a = -83.636, b = 1317.6 si R2 = 0.999.
Dreapta de regresie
1320
y = -83.636x + 1317.6
1310
X Y R2 = 0.999
1300
0.1 1310
1290
0.2 1300
0.3 1293 1280
Series1
0.4 1283 1270
Y
Linear (Series1)
0.5 1276 1260
0.6 1267 1250
0.7 1260
1240
0.8 1251
1230
0.9 1243
1220
1 1233
0 0.2 0.4 0.6 0.8 1 1.2
X
Figura 32. Setul de valori si dreapta de regresie (modelul liniar)
Trebuie sa precizam ca programul Excel ofera prin Trandine mai multe tipuri de regresii
(modele liniare si neliniare):
Linear modelul liniar (regresia simpl), y = a + bx.
Polynomial modelul polinomial de ordin 2, 3, 4, 5, sau 6,
y a 0 a1 x a 2 x 2 a k x k .
Logarithmic modelul logaritmic, y = a + b ln x.
Exponential modelul exponenial, y = aebx
Power modelul putere, y = a xb.
Moving Average modelul de tip MA (medii glisante), n care se calculeaz o serie
nou cu valori obinute ca medie aritmetic a valorilor din seria iniial:
yn = (xn + xn-1 + + xn-k+1)/k, unde k este ordinul modelului. Este modelul prin care
se elimin influenele pe termen foarte scurt sau scurt. Pentru o alegere corect se
poate utiliza informaia cunoscut din cercetri anterioare sau cea furnizat vizual de
aspectul norului de puncte.
Exemplul 2.
Pentru dozarea unui antibiotic ntr-un lichid biologic se propun dou metode: o metod
radio-imunologic (R-I) i o metod imuno-enzimatic (I-E). Se se realizeaz testarea
50
comparativ a celor dou metode. Datele pentru cele doua metode sunt prezentate n tabelul
de mai jos. Coeficientul de corelaie intre vectorii R-I (X) i I-E (Y). Dreapta de regresie i
coeficientul de determinare.
Coeficientul de corelaie se obtine apeland functia Excel CORREL (X,Y) = 0.964795. In

urma aparitiei graficului ce reprezinta dreapta de regresie, se obtin urmatoarele rezultate:
y = f(x) = 0.8983 x + 0.146, a = 0.8983, b = 0.146 si R2 = 0.9308.
X Y C o m p a ra tia m e to d e lo r R -I s i I-E
0.56 0.60
0.65 0.67 4
1.11 1.08 3 .5
1.29 1.25
3
1.42 1.44
M e to d a I-E : Y
2 .5
1.52 1.53
1.84 1.96 2 S e rie s 1
2.18 2.21 1 .5
2.19 2.23
1
2.40 2.44
0 .5
3.01 2.95
3.21 2.25 0
0 1 2 3 4
3.57 3.71
M e to d a R -I: X
3.70 3.46
Comparatia metodelor R-I si I-E
4
y = 0.8983x + 0.146
3.5
R2 = 0.9308
3
2.5
Metoda I-E: Y
Series1
2
Linear (Series1)
1.5
0.5
0
0 1 2 3 4
Metoda R-I: X
51
Exemplul 3.
Pentru studierea efectului unei anumite substane medicamentoase se injecteaz aleator cu
diferite doze 15 oareci. Se urmrete numrul de zile de supravieuire la soareci. Analiznd
datele, se poate trage concluzia c rata de supravieuire crete liniar n funcie de doza
injectat? Sa se studieze reprezentarea norului de puncte si sa se compare modelul liniar si
modelul exponential.
Rezolvare.
Rata de supravietuire
Doza(X) Zile(Y)
14
1 8
1 7.8 12
1 8.2
2 8.8 10
Zile (supravietuire)
2 9
8
2 9.2
Series1
3 9.8 6
3 9.5
3 9.9 4
4 11
2
4 10.8
4 11.5 0
5 12 0 1 2 3 4 5 6
5 12.2 Doza (mg/L)
5 11.9
R a t a d e s u p r a v ie t u ir e
14
y = 1.0167x + 6.9233
12
Z i l e (s u p r a v i e tu i r e )
R 2 = 0.9754
10
8 S e rie s 1
L in e a r (S e rie s 1 )
6 L o g . (S e rie s 1 )
y = 2 . 4 3 8 3 L n (x ) + 7 . 6 3 8 7
4 R 2 = 0.9064
0
0 2 4 6
D o z a (m g / L )
In cazul modelului linear (dreapata de regresie) se obtin: y = 1.0167 x + 6.9233, si R2 =

0.9308, iar in cazul neliniar (logaritmic) avem y = 2.4383 Ln(x) + 7.6387, si R2 =
52
0.9064. In concluzie, deoarece cazul liniar (dreapta de regresie) ofera R2 = 0.9308,

coeficientul de determinare mai mare, acesta este mai bun in aproximare.
Bibliografie
1. Lucian Boiculese - Biostatistica teme , Scoala doctorala, UMF Iasi

2. Lucia Cbulea, Nicoleta Breaz , Interpretarea statistic a informaiilor. Elememnte
de data mining i prognoz, Modul de instruire nr.7, Universitatea 1 decembrie
1918 Alba Iulia,
3. Valentin Clocotici, Dicionar explicativ de statistic (online), Universitatea
A.I.Cuza Iasi, http://profs.info.uaic.ro/~val/statistica/StatGloss.htm
4. Alexandra Fotis, http://anale-informatica.tibiscus.ro/download/lucrari/1-2-13-
Fortis.pdf
5. Leonard Mihaly Cozmuta, Prelucrarea datelor experimentale, http://chimie-
biologie.ubm.ro/Cursuri%20on-
line/MIHALY%20COZMUTA%20LEONARD/Prelucrarea%20datelor%20experime
ntale.pdf
6. Mihai Miron, Liliana Miron, Masurari electrice si electronice, Brasov. 2003,
http://www.afahc.ro/invatamant/electro/mee.pdf
7. http://ebooks.unibuc.ro/Fizica/Sabina/2.pdf
8. http://www.phys.ubbcluj.ro/~daniel.andreica/pdf/Mec-CURS/01-INTRODUCERE-
IN-CALCULUL-ERORILOR.pdf
9. http://www.phys.ubbcluj.ro/~dana.maniu/Laborator%20Optica/Calcul%20de%20erori.pdf
10. http://www.utgjiu.ro/math/mbuneci/book/mn2007/c04.pdf
11. http://cs.upm.ro/~bela.finta/.files/carti/Numerika.pdf
12. Peter J. Steinbach, Two-Dimensional Distributions of Activation Enthalpy and
Entropy from Kinetics by the Maximum Entropy Method, Biophysical Journal
Volume 70 March 1996, pp. 1521-1528,
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1225079/pdf/biophysj00049-
0431.pdf
13. Joseph W. Ochterski, Thermochemistry in Gaussian,
http://www.gaussian.com/g_whitepap/thermo.htm
14. Marjorie Olmstead, http://courses.washington.edu/phys431/index.php
15. Kai Oliver Arras, An Introduction To Error Propagation, 1998,
http://www.nada.kth.se/~kai-a/papers/arrasTR-9801-R3.pdf
16. Peter Keusch, University of Regensburg, http://www.demochem.de/eyr-e.htm
17. David W. A. Bourne, Pharmacokinetics and Biopharmaceutics, (Java Applets -
On line Graphs, JavaScript Calculators Online), http://www.boomer.org/c/p1/
18. David W. A. Bourne, Mathematical modeling of pharmacokinetic data,
Technomic Publishing Co., ISBN 1-56676-204-9, 1995
19. M. Vlada, pagina principala, http://www.unibuc.ro/prof/vlada_m/
20. M. Vlada, Birotica.Tehnologii multimedia, Editura Universitatii din Bucuresti,
2004
21. M. Vlada, on-line http://ebooks.unibuc.ro/informatica/Birotica/
22. M. Vlada, on-line http://ebooks.unibuc.ro/informatica/eureka/
53

16 20 37 19C3-C5-Informatica PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

16 20 37 19C3-C5-Informatica PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Conf. Dr.

Marin Vlada, Universitatea din Bucureti, 2012

Elemente de teoria erorilor si incertitudinilor

1. Introducere n teoria erorilor: erori de msurare si reprezentare, distribuia

Generalitati despre erori, incertitudini si aproximari

informaional (informaia este precis dac mulimea valorilor specificate n

Analiza datelor experimentale: Tipuri de erori

In Chimie si Fizica (precum si in alte stiinte ingineresti), metodele folosite la masurarea

Procedurile de observare statistica in analiza fenomenelor si proceselor pot fi afectate de

ERORI EXPERIMENTALE ERORI DE CALCUL NUMERIC

ERORI GROSOLANE ERORI INERENTE

Figura 14. Tipuri de erori

- erori inerente: pot proveni ca urmare a folosirii aproximative a unor valori

Termeni si concepte despre erori

Eroarea relativa se poate exprima si n procente, adica

Figura 15. Erori de masurare

Erori de trunchiere si erori de rotunjire

Metodele numerice oferite de analiza matematica impreuna cu implementarea

Calculele matematice si operatiile implementate in algoritmii de calcul pentru

Figura 16. Fereastra Format Cells

O functie reala f : I R derivabila de o infinitate de ori in x0 I R este analitica in

Reprezentarea in virgula mobila a numerelor reale

Calculatoarele actuale utilizeaza reprezentarea in virgula mobila a numerelor reale. Daca

Sistem reprezentare Baza b Precizia pE min E max

Reprezentarea in virgula mobila in forma normalizata este reprezentarea unui numar y

Reprezentarea normalizata a numerelor reale are urmatoarele avantaje:

trunchiere (rotunjire prin taiere) se retin primele p cifre din reprezentarea

Rotunjirea la par determina o acuratete mai mare a reprezentarii. Acuratetea sistemului

Cazuri speciale: conceperea de metode si algoritmi noi

Exemplul 1: Puterile mari ale lui 2.

Rezultate corecte calculate cu Web 2.0 scientific calculator (http://web2.0calc.com/):

250= 1125899906842624 si 251 = 2251799813685248.

b) Utilizarea Web 2.0 scientific calculator:

Astazi, nu este nevoie sa se apeleze frecvent la algoritmi de calcul care sa utilizeze un

Rezultate obtinute prin utilizarea acestui program:

Figura 17. http://web2.0calc.com/

= 3.14159265358979, e = 2.71828182845905 (reprezentare cu 14 zecimale exacte)

Se poate utiliza la obtinerea diverselor calcule matematice si ingineresti (cu utilizarea

Exemplul 2: Reprezentarea grafica a functiilor

In functie de metoda utilizate, de programul specializat si functie de complexitatea unei

test sa considaram ca graficul 1.00000

genereaza valorile naturale 1, 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

poligonale si nu graficul real -1 . 5 0 0 0 0

Eroarea provine de la faptul ca trebuie sa se realizeze discretizarea intervalului

Tabelarea functiei vs. Discretizare-Calculul integral vs. Rezolutia suportului grafic

Display Properties Screen Resolution: Less-800 x 600 pixels, More-1680x1050 pixels.

aprinderea unui pixel (unitatea grafic indivizibil oferit de un display grafic) ce

b) cazul programului Web 2.0 scientific calculator

Figura 18. Graficul folosind Web 2.0 scientific calculator

Modelarea matematica si Metoda algoritmica.

Din punct de vedere informatic, rezolvarea va fi simpl deoarece nu se va utiliza modelul

a - cantitatea de lichid (n litri) coninut iniial n vas;

b - cantitatea de lichid ce se scoate zilnic din vas;

c - cantitatea de lichid ce se adaug zilnic n vas;

y0 - cantitatea de alcool pe litru (concentraia de alcool) a lichidului din vas la

yp - cantitatea de alcool pe litru a lichidului ce se adaug;

yf - cantitatea de alcool pe litru a lichidului din vas, la momentul final;

x - numrul de zile (operaii de nlocuire a lichidului);

Ecuaia funcional (ecuaia cu diferene finite) pentru determinarea funciei y(x), se

ii) ( a - bx + c(x-1) ) y(x-1) + c yp ,

Prin urmare, se obine urmtoarea ecuaie funcional:

(1) ( a - bx + cx ) y(x) - ( a - bx + c(x-1) ) y(x-1) = c yp , ecuaie cu diferene finite de

Rezolvarea acestei ecuaii este prezent n [1], soluia general fiind